Понятие искусственного интеллекта. Нейрон. Математическая модель нейрона. Нейронные сети.

ИИ - способность компьютерных систем к таким действиям, которые назывались бы интеллектом, если бы исходили от человека. В настоящее время выделяют 2 подхода к ИИ:

-экспертные системы

-нейронные сети

нейронные сети – самообучающиеся системы, имитирующие деятельность человеческого мозга.

Несмотря на большое разнообразие вариантов нейронных сетей, все они имеют общие черты. Так, все они, так же, как и мозг человека, состоят из большого числа связанных между собой однотипных элементов – нейронов, которые имитируют нейроны головного мозга. На рис. 1 показана схема нейрона.

искусственный нейрон, так же, как и живой, состоит из синапсов, связывающих входы нейрона с ядром; ядра нейрона, которое осуществляет обработку входных сигналов и аксона, который связывает нейрон с нейронами следующего слоя. Каждый синапс имеет вес, который определяет, насколько соответствующий вход нейрона влияет на его состояние. Состояние нейрона определяется по формуле

(1)

где n – число входов нейрона

x_i – значение i-го входа нейрона

w_i – вес i-го синапса

Затем определяется значение аксона нейрона по формуле

Y = f(S)

(2)

Где f – некоторая функция, которая называется активационной. Наиболее часто в качестве активационной функции используется так называемый сигмоид, который имеет следующий вид:

(3)

Основное достоинство этой функции в том, что она дифференцируема на всей оси абсцисс и имеет очень простую производную:

(4)

При уменьшении параметра a сигмоид становится более пологим, вырождаясь в горизонтальную линию на уровне 0,5 при a=0. При увеличении a сигмоид все больше приближается к функции единичного скачка.

 

 

 

Структура нейронной сети

Нейронные сети (НС) представляют собой вычислительные структуры, моделирующие простые биологические процессы, аналогичные процессам, происходящим в человеческом мозге. НС – это распределенные и параллельные системы, способные к адаптивному обучению путем реакции на положительные и отрицательные воздействия. В основе построения НС лежит элементарный преобразователь, называемый искусственным нейроном или просто нейроном по аналогии с его биологическим прототипом.

Структуру нейросети можно описать следующим образом. Нейросеть состоит из нескольких слоев: входной, внутренние (скрытые) и выходной слои. Входной слой реализует связь с входными данными, выходной – с выходными. Внутренних слоев может быть от одного и больше. В каждом слое содержится несколько нейронов.

 

 

Между нейронами есть связи, числовые характеристика которых называются весами.

37.Характеристика этапов работы с нейронной сетью (на примере аналитического пакета Deductor).

· Формирование файла, содержащего данные для обучения сети.

· Определение входных и выходных полей.

· Нормализация значения входных и выходных полей.

· Настройка обучающей выборки - выделение обучающей и тестовой части.

· Настройка сети – выбор количество слоев, выбор количества нейронов в слоях, задание характеристик нейронов, выбор алгоритма обучения.

· Обучение нейросети.

· Использование нейросети.

Настройка назначения полей.

В самом начале работы с нейросетью нужно определиться, что является ее входами, а что – выходами. Предполагается, что у нас уже есть таблица с обучающей выборкой.