Новости

Статьи


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) = ) 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:

  • длительность времени самообучения;
  • сложность определения необходимого числа слоев и нейронов;
  • процесс обучения часто останавливается, достигнув лишь локального минимума.

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 ]
Дизайн ООО "ДинСофт"