Нейронные сети
|
Прототипом нейронных сетей являются биологические нейронные сети. Нейронные сети представляют собой совокупность простых вычислительных элементов (нейронов). Наиболее распространенной моделью нейронной сети является многослойная сеть прямого распространения (Рис. 1). На Рис. 1 (б) приведена структура одного нейрона. В этой структуре W0...Wk-1 - весовые коэффициенты (далее веса) данного нейрона. Н.Э. - нелинейный элемент. Нелинейный элемент может представлять собой гладкую функцию (например, z(x) = arctg(x) ), линейную функцию ( z(x) = x ) либо пороговую функцию:   Рис. 1 Структура нейронной сети: а) структура многослойной сети; б) структура одного нейрона Знания в нейронных сетях заключаются в топологии самой сети и настройке весов связей между нейронами. Настройка значений весовых коэффициентов осуществляется автоматически в процессе обучения. Обычно для обучения используется градиентный метод настройки весов. Достоинством применения нейронных сетей является то, что разработчику не требуется самостоятельно формировать базу знаний. Недостатками же является:
Технология нейронных сетей оказалась удобной для системы управления исполнительными механизмами. Процесс обучения нейронной сети позволяет ей самостоятельно адаптироваться под заранее неизвестные или изменяемые в процессе функционирования параметры объекта управления. Для построения системы управления движением нейронные сети также применимы, но при их обучении возникает много проблем. Специалисты компании "ДинСофт" имеют опыт реализации и обучения нейронных сетей. |
| « Назад |