Файл: Нечеткая логика и нейронные сети в теории и на практике.pdf

Введение

Актуальность данного курсового проекта состоит в том, что интеллектуальные системы на базе искусственного происхождения нейронных сетей позволяют успешно улаживать трудности определения образов, исполнения мониторингов, оптимизации, ассоциативной памяти и управления. Классические подходы к решению данных задач порой выделяют достаточную эластичность и большое количество приложений выигрывают от применения нейросетей.

Синтетические нейросети считаются электронными моделями нейронной текстуры мозга, который, основным образом, обучаться на опыте. Природной аналог подтверждает, собственно большое количество задач, не поддающиеся решению классическими компами, имеют все шансы быть отлично решены при помощи нейросетей.

Длительный период эволюции дал мозгу человека немало достоинств, недостающих в прогрессивных компьютерах с архитектурой фон Неймана. К ним относятся:

• распределенное представление информации и параллельные вычисления;
• способность к обучению и обобщению;
• адаптивность;
• толерантность к оплошностям;
• невысокое энергопотребление;

Цель работы: выполнить теоретичекую и практическую части курсового исследования исходя из методических рекомендаций.

Исходя из цели определены следующие задачи:

В теоретической части работы:

• изучить различные источники по выбранной теме;
• рассмотреть историю развития нейронных сетей;
• провести аналогию нейронных сетей с мозгом и биологическим нейроном;
• изучить понятие искусственного нейрона;
• рассмотреть виды искусственных нейронных сетей;
• рассмотреть вопрос обучения нейронных сетей;

В практической части работы:

• выполнить задачу второго варианта, согласно методическим рекомендациям;

Приборы, возведённые на принципах биологических нейронов, имеют перечисленные свойства, которые возможно считать немаловажным достижением в промышленности обработки данных.

Достижение в сфере нейрофизиологии предоставляют изначальное осознание приспособления природного мышления, где сбережение информации случается повторяющий вид трудоемких образов. Процесс сбережения инфы как образов, применение образов и решение поставленной трудности характеризуют свежую область в обработке данных, которая, не используя классического программирования, гарантирует творение параллельных сетей и их изучение. В лексиконе создателей и пользователей нейросетей находятся слова, замечательные от классической обработки данных, а именно, "повести себя", "откликаться", "само организовывать", "учить", "обобщать" и "забывать". 

---

Курсовой проект состоит из введения, теоретической и аналитической частей, заключения и списка использованной литературы. В теоретической части рассматривается история нейронных сетей, понятие искусственного нейрона, виды искусственных нейронных сетей и обучение нейронных сетей. В практической части выполнена задача на определение расхода топлива автомобил (Вариант 2, согласно методическим рекомендациям).

Глава 1. История нейронных сетей

Исследованию человеческого мозга - тысячи лет. С выходом в свет прогрессивной электроники, стартовали пробы аппаратного воссоздания процесса мышления. Первый шаг был изготовлен в 1943 г. с выходом заметки нейрофизиолога Уоррена Маккалоха (Warren McCulloch) и математика Уолтера Питтса (Walter Pitts) про работу синтетических нейронов и представления модели нейронной сети на электрических схемах.

• 1949 г. - опубликована книга Дональда Хебба (Donald Hebb) "Организация поведения", где обследована проблематика опции синоптических взаимосвязей между нейронами.
• 1950-е гг. - возникают программные модели искусственного происхождения нейросетей. Первые работы проведены Натаниелом Рочестером (Nathanial Rochester) из исследовательской лаборатории IBM. Несмотря на то что последующие реализации были удачными, данная модель потерпела неудачу, так как бурный подъем классических вычислений оставил в тени нейронные исследования.
• 1956 г. - Дартмутский исследовательский институт синтетического интеллекта дал рост искусственного интеллекта, например, нейронных мереж. Стимулирование изысканий синтетического интеллекта разделилось на два направления: промышленные внедрения систем синтетического интеллекта (экспертные системы) и прогнозирование мозга.
• 1958 г. - Джон фон Нейман (John fon Neumann) предложил имитирование обычных функций нейронов с внедрением вакуумных трубок.
• 1959 г. - Бернард Видров (Bernard Widrow) и Марсиан Хофф (Marcian Hoff) придумали модели ADALINE и MADALINE (Многочисленные Адаптивные Линейные Составляющие (Multiple ADAptive LINear Elements)). MADALINE работала, как адаптивный фильтр, ликвидирующих эхо на телефонных линиях. Данная нейросеть все еще в коммерческом применении.
• Нейробиолог Френк Розенблатт (Frank Rosenblatt) начал работу над перцептроном. Однослойный перцептрон был построен аппаратно и говорят традиционной нейросетью. Тогда уже перцептрон применялся для классификации входных сигналов в один из 2-ух классов. Увы, однослойный перцептрон был урезанным и подвергался критике в 1969 г., в книге Марвина Мински (Marvin Minsky) и Сеймура Пейперта (Seymour Papert) "Перцептроны".

---

Ранние успехи, содействовали преувеличению потенциала нейронных мереж, а именно в свете ограниченной на те времена электроники. Излишнее ожидание, процветающее в академическом и техническом мире, заразило совместную литературу данного времени. Озабоченность, что результат "мыслящей машинки" скажется на человеке всегда подогревалось писателями, а именно, серия книг Азимова про роботов продемонстрировала результаты на нравственных ценностях человека, в случае полномочия интеллектуальных роботов скрупулезно исполнять функции человека.

Данные опаски, объединенные с невыполненными обязательствами, вызвали большое количество разочарований профессионалов, подвергших критике изыскания нейронных мереж. Эффектом было прекращение финансирования. Период регресса длился до 80-х годов.

• 1982 г. - к восстановлению энтузиазма привело немного событий. Джон Хопфилд (John Hopfield) предположил статью в национальную Академию Наук Соединенных Штатов. Подход Хопфилда продемонстрировал способности прогнозирования нейронных сеток на принципе новейшей архитектуры.
• В тот момент в Киото (Япония) произошла Объединенная американо-японская конференция по нейронным сетям, которые заявили достижением 5 генерации. Американские периодические издания подняли данную ситуацию, акцентируя, собственно Соединенные Штаты имеют все шансы остаться позади, собственно привело к росту финансирования в области нейросетей.

• С 1985 г. Южноамериканский ВУЗ Физики начал ежегодные встречи - "Нейронные сети для вычислений".

• 1989 г. - на встрече "Нейронные сети для защиты" Бернард Видров рассказал аудитории о начале 4 мировой войны, где полем поединка считаются крупные рынки и производства.

• 1990 г. - Департамент программ инноваторских изысканий обороны небольшого бизнеса именовал 16 ключевых и 13 добавочных тем, где вполне вероятно внедрение нейронных мереж.

В настоящее время, дискуссия нейронных сетей происходят повсюду. Возможность их применения может показаться на первый взгляд очень ясной, в свете решения нестандартных трудностей и считается ключом к целой технологии. На это время большая часть исследований нейронных мереж сознательно работающие, хотя имеют все шансы присутствовать процессорные ограничения. Исследования ориентированы на программные и аппаратные реализации нейросетей. Фирмы трудятся над творением 3-х типов нейрочипов: цифровых, аналоговых и оптических, которые сулят быть волной близкого будущего.

---

Глава 2. Аналогия нейронных сетей с мозгом и биологическим нейроном

Четкая работа мозга человека - до сих пор скрыта. И все же некие нюансы данного поразительного процессора известны. Базисным составляющей мозга человека считаются специальные клетки, именитые как нейроны, способные запоминать, мыслить и использовать предшествующий навык к любому воздействию, собственно различает их от оставшихся клеток тела.

Кора мозга человека считается плоской, интеллигентной из нейронов поверхностью, шириной от 2 до 3 мм площадью в пределах 2200 см², собственно в два раза выше площадь плоскости шаблонной клавиатуры. Кора основного мозга имеет в пределах 10¹¹ нейронов, собственно примерно точно также количеству звезд Млечного пути. Любой нейрон связан с 10³ – 10⁴ иными нейронами. В общем мозг человека имеет предположительно от 10¹⁴ до 10¹⁵ связей.

Мощь человеческого разума находится в зависимости от количества базисных составляющих, разнообразия соединений между ними, и еще от генетического программирования и изучения.

Индивидуальный нейрон говорят сложным, имеет личные оформляющие, подсистемы и механизмы управления и передает информацию через много химических взаимосвязей. Содержат в пределах сотки различных классов нейронов. Совместно нейроны и соединения между ними сформировывают недвоичный, нестойкий и несинхронный процесс, отличный от процесса вычислений классических компьютеров. Синтетические нейросети имитируют только руководящие составляющие трудоемкого мозга, воодушевляющий научных работников и создателей к свежим путям решения проблемы. 

Нейрон (нервная клетка) состоит из тела клетки - сомы (soma), и 2 типов наружных древовидных ответвлений: аксона (axon) и дендритов (dendrites). Тело клетки имеет ядро (nucleus), где пребывает информация про качества нейрона, и плазму, которая изготавливает неотложные для нейрона материалы. Нейрон получает сигналы (импульсы) от иных нейронов через дендриты (приемника) и передает сигналы, сгенерированные туловищем клетки, вдоль аксона (передатчик), который в конце разветвляется на волокна (strands). На окончаниях волокон находятся синапсы (synapses).

---

Рисунок 1. Схема биологического нейрона

Синапс считается высокофункциональным узлом между 2-мя нейронами (волокно аксона 1-го нейрона и дендрит другого). Как скоро импульс добивается синоптического завершения, вырабатываются химические препараты, именуемые нейротрансмиттерами. Нейротрансмиттери проходят через синтетичную щель, и исходя из вида синапса, возбуждая либо тормозя способность нейрона-приемника генерить электрические импульсы. Результативность синапса настраивается проходящими через него сигналами, в следствии этого синапсы учатся исходя из активности действий, в каких они участвуют. Нейроны взаимодействуют при помощи краткой серии импульсов. Известие передается при помощи частотно-импульсной модуляции.

Заключительные экспериментальные изыскания подтверждают, собственно биологические нейроны структурно труднее, нежели упрощенное изъяснение имеющих место быть синтетических нейронов, которые считаются деталями идущих в ногу со временем синтетических нейронных сеток. Потому что нейрофизиология дает научным работникам расширенное осознание воздействия нейронов, а разработка вычислений каждый день улучшается, создатели сетей имеют безграничное место для совершенствования моделей биологического мозга. Биологический нейрон и его кибернетическая модель.

Способ нейробиологии.

К предмету нейробилологии относится исследование психики и ее основного органа - мозга. Принципиальным вопросом для данной науки считается выяснение пропорции между постройкой психики и ее функцией. При всем этом обсуждение ведется на нескольких уровнях: молекулярном, клеточном, на уровне отдельного органа, организма в общем, и затем на уровне общественной категории. Следовательно, традиционный нейробилогический расклад состоит в методичном продвижении от простых форм в направлении их усложнения.

Для наших фактических целей отправной точкой станет клеточный уровень. По прогрессивным представлениям, непосредственно на нем совокупность простых молекулярных химико-биологических действий, протекающих в отдельной клетке, сформировывает ее как простых процессор, талантливый к обычнейшей переработке информации.

Биологический нейрон.

Составляющей клеточной текстуры мозга считается нервозная клетка - нейрон. Нейрон в собственном постройке имеет большое количество единых черт с иными клеточками биоткани: тело нейрона окружено плазматической мембраной, снутри коей пребывает цитоплазма, ядро и прочие основополагающие клетки. Впрочем, нервная клетка значительно различается от других по собственному многофункциональному назначению. Нейрон исполняет прием, элементарное преобразование и дальнейшую передачу информации другим нейронам. Информация переносится повторяющий вид импульсов нервной активности, имеющих химическую природу.

---