Файл: Решение задачи на определение расхода воды на полиВ).pdf

I. Теоретическая часть:

Глава 1. История развития нейронных сетей

Искусственный интеллект, составляющей которого являются нейронные сети, имеет долгую историю, сравнимую с историей всего человечества, поскольку людей всегда интересовал вопрос – как происходит процесс их мышления? Значимость этого вопроса определялась тем, что именно процесс мышления позволял понимать окружающий мир и управлять им.

Рассмотрим эволюцию отдельных разделов тех наук, которые внесли свой вклад в появление искусственного интеллекта.

Исторически впервые вопросы, связанные с процессами мышления, начали исследовать в философии.

Основные вопросы, над которыми размышляли здесь древние философы, сводились к следующим:

• Могут ли использоваться формальные правила для вывода правильных заключений?
• Как такой идеальный объект, как мысль, рождается в таком физическом объекте, как мозг?
• Каково происхождение знаний?

Принципы, руководящие рациональной частью мышления, были сформулированы Аристотелем (384 - 322 годы до н.э.). Он разработал неформализованную систему силлогизмов, предназначенную для проведения правильных рассуждений^[1].

Гораздо позднее Раймунд Луллий (умер в 1315 году) выдвинул идею, что полезные рассуждения можно фактически проводить с помощью механического устройства.

Томас Гоббс (1588-1679) проводил аналогию между нашими рассуждениями и числовым расчетам, отмечая, что «в наших неслышимых мыслях мы поневоле складываем и вычитаем».

Рене Декарт (1596-1650) впервые опубликовал результаты обсуждения различий между разумом и материей, а также возникающие при этом проблемы.

Если предположить, что знаниями манипулирует физический разум, то возникает следующая проблема - установить источник знаний. Такое научное направление, как эмпиризм, родоначальником которого был Фрэнсис Бекон (1561-1626), автор Нового Органона, можно охарактеризовать высказыванием Джона Локка (1632 - 1704): «В человеческом понимании нет ничего, что не проявлялось бы прежде всего в ощущениях».

Дэвид Юм (1711 - 1776) в своей книге A Treatise of Human Nature (Трактат о человеческой природе) предложил метод, известный теперь под названием принципа индукции.

на работе Людвига (1889 - 1951) и Рассела (1872 - знаменитый кружок, возглавляемый Карнапом (1891-1970), доктрину логического . Согласно доктрине, все знания быть охарактеризованы с логических , связанных в итоге с констатирующими , которые соответствуют сенсорным данным.

---

В подтверждения Карнапа и Карла (1905 - 1997) попытка понять, как могут приобретены из опыта. В Карнапа The Logical of the World определена заданная процедура для извлечения из результатов элементарных . Это можно считать теорией как вычислительного .

Философия сформулировала важные положения, рациональной мышления, но для их формализации были фундаментальные в другой науке – . На протя нескольких столетий эти проводились параллельно, обогащая обе науки. Для интеллекта влияние оказало таких разделов как логика, вычисления и .

Основными исследований здесь :

• формальные правила правильных заключений;
• пределов ;
• проведение рассуждения с недостоверной инфор.

Хотя идеи логики еще у философов древней Греции, ее принято считать Буля (1815 - который детально логику высказываний, в честь него булевой брой^[2].

В 1879 году Фреге - 1925) расширил логику, создав первого порядка, в настоящее используется как наиболее система представления .

Альфред Тарский - 1983) ввел в научный теорию ссылок, показывает, как связать объекты с реального мира.

В году Гёдель , что действительно существуют пределы .

Алан Тьюринг - 1954) попытался охарактеризовать, какие способны вычисленными. Определение в тезисе Чёрча-Тьюринга, указывает, что машина способна любую вычислимую функцию.

логики и теории , третий по величине математиков в интеллект состоял в теории вероятностей. вероятности была сформулирована математиком Джероламо (1501 - 1576), описал ее в терминах событий с исходами, возникающих в играх.

Пьер (1601 - 1665), Паскаль Джеймс Бернулли Пьер Лаплас - 1827) и другие внесли вклад в эту теорию и новые статистические .

Томас Байес - 1761) правило обновления с учетом новых . Правило Байеса и на его основе направление, называемое анализом, лежат в большинства современных одов к проведению с учетом неопределенности в искусственного интеллекта.

в области философии и способствовали анию первых вычислительных .

В 1500 году да Винчи (1452 - спроектировал еский калькулятор.

известная вычислительная была создана в году ученым Вильгельмом (1592 - 1635).

В году Блез (1623 - построил машину, им Паскалина Готтфрид Лейбниц (1646 - создал устройство, предназначенное для операций над понятиями, а не над чис.

Несмотря на достаточно период природы мышления, результатов было мало. Это во многом с тем, что методы исследований, позволившие значительные результаты в естествеенно научных , как астрономия, и химия, оказа не эффективными при изучении .

---

Значительный прорыв в 20 веке, он с:

1) достижениями в области , нейроанатомии и психологии;

2) достижений различных в новейшую науки -искусственный .

В шестидесятые годы столетия группа в областях и нейроанатомии установила, что - это сотни миллиардов соединенных друг с ^[3].

Понимание нейрона и его связей исследователям математические модели, , в свою , явились теоретическим для создания искусственных сетей.

Первые нейронные были реализованнны в электронных схем. , в связи с развитием техники сственные нейронные стали реализовываться в программ.

Поскольку в интеллекте и автоматизируются задачи любой интеллектуальной деятельности , искусственный становится поистине научной областью.

Для эффективности интеллектуализации Тьюрингом был специальный тест, на том, что поведение объекта, об искусственным интеллектом, в итоге будет отличить от человека.

Искусственные сети (ИНС) - модели, а их программные или аппаратные , построенные по принципу организации и биологических нейронных - сетей клеток живого организма^[4].

В развитии нейронных можно выделить этапов.

1 - прорыв в области :

• 1943 г. – выходит У. Маккалока и У. Питтса о активности, в они формулируют понятие сети и представляют мо нейронной сети на схемах;
• г. – Норберт Винер работу о кибернетике;
• г. – Д. Хебб предлагает алгоритм ;
• 1958 г. – Джон фон предложил имитацию функций нейронов с использованием трубок;
• в г. Ф. Розенблатт изобретает перцептрон.

На тот момент , что для создания аналога мозга лишь спроектировать большую нейронную .

2 этап - пессимизм.

:

1. Сети не решать задачи, весьма сходные с , которые они успешно .

2. Однослойные теоретически неспособны многие простые , в том числе реализовать «исключающее ».

3. В 1969 году с мировым именем М. публикует формальное ограниченности , а соответственно, и его неспособность достаточно широкий задач.

Все это вместе приводит к интереса многих ателей к нейронным .

3 этап - оптимизм.

исследованию ученых, как Кохонен, , Андерсон, сформировался фундамент, на основе стало воз конструирование мощных сетей. Однако заключалась в их обучении.

г. - П. Вербосом алгоритм обратного ошибки для обучения перцептронов, переоткрытый в 1982 г. Д. и в 1986 году И. Румельхартом,

Дж. Е. Хинтоном и Дж. Вильямсом и независимо и еменно С.И. и В.А. Охониным (Красноярская )^[5]. Этот система метод для обучения сетей ограничения, указанные .

---

Дальнейшие исследования , что этот метод не универ, несмотря на многие практические результаты. заключается в очень процессе , а в некоторых случаях может вообще не .

Последнее возможно по причинам: сети и попадание в ло минимум.

1975 г. – представляет Когнитрон - сеть, для инвариантного распознавания .

1980 г. – в попытках когнитрон Фукусимой разработана парадигма, названная .

1982 г. – Дж. Хопфилд нейронную сеть с связями. сеть имела ряд недостатков и не могла использована на практике, заложил нейронных рекуррентных , после чего об нейронных сетях возможным как об ассоциативной памяти.

г. – Кохоненом представлены сети, обучающейся без еля на основе .

1987 г. – Роберт , решая временные сети обратного ошибки, сети встречного (СВР). Время в сетях обучения по с обратным ением может в сто раз.

Следующей проблемой нейронных сетей проблема , суть, которой в том, что новому образу или изменяет результаты обучения.

- г. – Гроссберг создал резонансную теорию () и модели нейронных , построенных на ее .

Сети и алгоритмы APT пластичность, необходимую для изу новых образов, в то же , предотвращая ранее запомненных .

2000-е годы - попадания в локальный была , в частности, применением методов обучения ( обучение. Обучение ).

2007 г. - Хинтоном в университете созданы алгоритмы обучения многослойных сетей. обусловлен тем, что Хинтон при нижних слоев использовал ограниченную ма Больц (RBM - Restricted Machine).

На сегодня достаточно много моделей сетей, имеющих свои .

В современном обществе проблемы сводятся к управ слабоструктурированными, а часто и сложными системами.

оценить перспективы нейронных можно, лишь их место в решении проблемы^[6].

Существующие в время управления можно ифицировать следующим :

1. Классическая система , построенная на теории автоматического с различными математическими обработки данных.

2. управления, на основе нечеткой и экспертных систем.

3. управления на основе алгоритмов и нных нейронных сетей.

метода нейросетевого являются:

1. Отсутствие на линейность .
2. Эффективность в условиях .
3. После окончания обеспечивается управление в масштабе .
4. Нейросетевые системы более адаптивны к условиям.

Однако, при нейронных возникают трудности, свя с надежностью их работы, так как нейронные сети быть даже при их правильном . Следовательно, для критических использование нейронных необходимо другими системами.

---

Глава 2. Аналогия нейронных сетей с мозгом и биологическим нейроном

Искусственные являются электронными нейронной структуры , который, главным , учится на .

Естественной аналог , что множество проблем, не еся решению традиционными , могут эффективно решены с нейросетей.

Интеллектуальные на основе искусственных сетей с успехом решать распознавания образов, прогнозов, оптимизации, памяти и .

Традиционные подходы к этих проблем не дают необхо гибкость и приложений выигрывают от нейросетей.

Базовым мозга человека специфические , известные как нейроны, запоминать, думать и предыдущий опыт к действию, что их от остальных клеток тела.

головного мозга является плоской, из нейронов , содержит около 1011 . Каждый нейрон с 103 - 104 другими . В целом человека имеет изительно от 1014 до 1015 .

Биологический нейрон крайне . Искусственные нейросети лишь главнейшие сложного мозга.

(нервная ) состоит из тела - сомы (soma), и типов внешних древовидных : аксона () и дендритов (dendrites). клетки содержит (nucleus), где находится ация про свойства , и плазму, которая необходимые для нейрона . Нейрон получает (импульсы) от нейронов через (приемники) и передает , сгенерированные телом клетки, аксона (), который в конце на волокна (strands). На иях волокон находятся (synapses).

1 – Схема биологического

Синапс является узлом между нейронами (во аксона одного и дендрит другого). импульс достигает си окончания, химические вещества, нейротрансмиттерами. Нейротрансмиттеры через синаптическую , и в зависимости от синапса, возбуждают или способность нейрона-приемникагенерировать импульсы. Результативность настраивается через него , поэтому синапсы в зависимости от активности , в которых они участие. Сообщение с помощьючастотно-импульсноймодуляции

Глава 3. Понятие искусственного нейрона

Иску нейрон ( нейрон Маккалока — , Формальный нейрон) – искусственной нейронной , являющийся моделью естественного . Математически, искусственный обычно представляют, как нелинейную от единственного аргумента – комбинации всех сигналов. Данную называют активации или функцией , передаточной . Полученный результат на единственный . Такие искусственные объединяют в сети – выходы одних с входами . Искусственные нейроны и являются основ элементами идеального .

---