Выполнила: Комарова Алина Гр.4072 На тему: Введение в Нейронные сети Тел:8-916-664-90-21

1. Выполнила: Комарова Алина Гр.4072 На тему: Введение в Нейронные сети Тел:8-916-664-90-21 Mail: Radyga86@mail.ru

2. Введение в Нейронные сети

3. План презентации 1) Введение в Нейронные сети 2) Что такое Нейронные сети? 3) Персептроны 4) Сети с обратными связями 5) Применение Нейронных сетей

4. Введение в нейронные сети - Нейронные сети могут быть: - Биологическими - Искусственными - Желание производить искусственные системы, способные к сложным вычислениям, подобным человеческому мозгу.

5. ЧТО ТАКОЕ НЕЙРОН? НЕЙРОН - Ячейка, которая выполняет обработку информации в мозге. - Фундаментальная функциональная единица всей ткани нервной системы.

6. Строение нейрона(1) Каждый нейрон состоит из: СОМА, ДЕНДРИТОВ, АКСОНА, и СИНАПСОВ. Аксон из другого ядра синапс дендрита аксон ядро синапс Тело или сома

7. Строение нейронных сетей(2) Нейрон состоит из тела (или сома), отростков нервных волокон двух типов-дендритов, по которым принимаются импульсы, и единственного аксона, по которому нейрон может передавать импульс. Тело нейрона включает ядро, Которое содержит информацию о наследственных свойствах. Нейрон получает сигналы от аксонов других нейронов через дендриты И передаёт сигналы вдоль своего аксона, который в конце разветвляется на волокна. На окончаниях этих волокон находятся специальные образования-синапсы, которые влияют на величину импульсов. Синапс является элементарной структурой и функциональным узлом между двумя нейронами.

8. Мозг против Компьютера Будущее: параллелизм мозга объединится со скоростью компьютера. Мозг человека компьютер единица вычисления единица хранения время цикла Пропускная способность Нейронные изменения/сек Грубое сравнение вычислительных ресурсов, пригодных для компьютеров и мозгов.

9. Определение Нейронной сети Нейронная сеть – класс аналитических методов, построенных на принципахфункционирования мозга и позволяющих прогнозировать значения некоторых переменных в новых наблюдениях по данным других наблюдений после прохождения этапа так называемого обучения на имеющихся данных.

10. Архитектура нейронных сетей • Полносвязные сети

11. Полносвязные нейронные сети В полносвязных нейронных сетях каждый нейрон передаёт свой выходной сигнал остальным нейронам, в том числе и самому себе. Все входные сигналы подаются всем нейронам. Выходными сигналами сети могут быть все или некоторые выходные сигналы нейронов после нескольких тактов функционирования сети

12. 2. Многослойные или слоистые сети

13. Многослойные или слоистые нейронные сети В многослойных нейронных сетях нейроны объединяются в слои. Слой содержит совокупность нейронов с едиными входными сигналами. Число нейронов в слое может быть любым и не зависит от количества нейронов в других слоях. В общем случае сеть состоит из Q слоёв, пронумерованных слева направо. Внешние входные сигналы подаются на входы нейронов входного слоя, а выходами сети являются выходные сигналы последнего слоя. Кроме выходного и входного слоёв есть один или несколько скрытых слоёв.

14. 3. Слабосвязные (с лок. связями) сети

15. Слабосвязные нейронные сети В слабосвязных нейронных сетях нейроны располагаются в узлах прямоугольные или гексагональной решётки. Каждый нейрон связан с четырьмя, шестью или восемью своими ближайшими соседями.

16. План презентации 1) Введение в Нейронные сети 2) Что такое Нейронные сети? 3) перцептроны 4) Сети с обратной связью 5) Применение Нейронных сетей

17. Построение Нейронной сети • Нейронная сеть строится в два этапа: • Выбор типа (архитектуры) сети. • Подбор весов (обучение) сети.

18. Изучение задачи - Калибрование весов. - Использование алгоритма изучения. - Набор обучающих примеров. - Кодирование примеров как входов. - Полученные данные преобразовать в значащие результаты.

19. Пример Нейронной сети Та же простая, двухслойная, форвардная сеть с двумя вкладами, с двумя скрытыми узлами, и одним выходным узлом.

20. Простые вычисления - 2 компонента: линейный и нелинейный преобразователи. - Линейный преобразователь: функция входа - вычисляет взвешенную сумму всех входов. - Нелинейный преобразователь: функция Активации - преобразовывает сумму в уровень активации.

21. Вычисления Функция входа: Функция активации:

22. Вычислительный модуль входные выходные каналы связи каналы связи Функция входа функция активации Функция выхода

23. Функцияактивации - Использование различных функции, чтобы получить различные модели. - 3 самых общих выбора: 1) функция единичного скачка 2) сигмо 3) Сигмоидальная функция (логистическая)

24. 3 Функции Активации Знаковая функция функция единичного скачка Сигмовидная функция

25. План презентации 1) Введение в Нейронные сети 2) Что такое Нейронные сети? 3) Перцептроны 4) Введение в Обратную связь 5) Применение Нейронных сетей

26. Персептроны • Систематическое изучение искусственных нейронных сетей было начато Маккалохом и Питтсом в 1943 году. • Персептроны-нейронные сети с прямой передачей сигнала, линейными PSP-функциямии, как правило, нелинейными функциями активации. • - Персептроны являются основой для изучения многих других типов искусственных нейронных сетей.

27. персептрон Сетевой персептрон Однослойный персептрон Персептроны

28. Изучение нейронной сети

29. План презентации 1) Введение в Нейронные сети 2) Что такое Нейронные сети? 3) Перцептрон 4) Сети с обратными связями 5) Применение Нейронных сетей

30. Введение -Принцип работы в основном тот же самый, что и в персептронах. В сетях с обратными связями информация с последующих слоёв передаётся на предыдущие.

31. Изучение Обратной связи Есть два различия для правила обновления: 1) Активация скрытой единицы используется вместо ценность входа. 2) Правило содержит срок для градиента активации функция.

32. Алгоритм обратного распространения (1)

33. Примеры сетей с обратными связями

34. Примеры Сетей с обратной связью

35. План презентации 1) Введение в Нейронные сети 2) Что такое Нейронные сети? 3) Перцептроны 4) Сети с обратной связью 5) Применение Нейронных сетей

36. Применения Нейронных сетей - для массивного параллельного вычисления. - "нахождение чего-либо подобного" традиционному последовательному алгоритму. - вычисление любой вычислительной функции. - Способен на большее, чем компьютер.

37. Практическое применение Нейронной сети Для классификации и приближения функции или картографии проблемы, которыевозникают: - некоторая неточность. - большое количество данных. - правила, которые не могут быть применены.

38. Применения Нейронных сетей ALVINN - Автономное Наземное транспортное средство В Нейронной сети

39. Ссылки - Рассэль, S. и P. Norvig (1995). Искусственный интеллект - A Современный Подход. Верхняя Река Седла, NJ, Прентис Зал. - Sarle, W.S., редактор (1997), ЧАСТО ЗАДАВАЕМЫЕ ВОПРОСЫ Нейронной сети, часть 1 7: Введение, периодическая регистрация к телеконференции Usenet comp.ai.neural-сети, URL: ftp://ftp.sas.com/pub/neural/FAQ.html