Александр Кириченко - Конструирование искусственных нейронных ансамблей (ИНА)
- Название:Конструирование искусственных нейронных ансамблей (ИНА)
- Автор:
- Жанр:
- Издательство:неизвестно
- Год:неизвестен
- ISBN:9785449899071
- Рейтинг:
- Избранное:Добавить в избранное
-
Отзывы:
-
Ваша оценка:
Александр Кириченко - Конструирование искусственных нейронных ансамблей (ИНА) краткое содержание
Конструирование искусственных нейронных ансамблей (ИНА) - читать онлайн бесплатно ознакомительный отрывок
Интервал:
Закладка:
Конструирование искусственных нейронных ансамблей (ИНА)
Александр Кириченко
© Александр Кириченко, 2020
ISBN 978-5-4498-9907-1
Создано в интеллектуальной издательской системе Ridero
Введение
Зачем нужны искусственные нейросети?
Искусственные нейронные сети – один из разделов науки «Искусственный интеллект». К этой науке приковано пристальное внимание с 1980 года, когда Япония объявила о создании вычислительных систем 5 поколения. Предполагалось, что создаваемые вычислительные системы кроме обычных компьютеров будут содержать машины логического вывода, базу знаний, систему общения на естественном языке. Иными словами – что создаваемые вычислительные системы будут оснащаться интеллектуальными блоками – аналогами человеческого интеллекта, человеческой интуиции. Эти блоки необходимы для распознавания образов, чтения рукописных текстов, подготовки аналитических прогнозов, перевода с одного языка на другой и т. п. Именно для таких задач обычно трудно составить явный алгоритм, без которого не могут работать электронные вычислительные машины.
Такие аналоги человеческого интеллекта могут быть реализованы с помощью искусственных нейросетей – нейросетевых моделей биологических систем.
Всё, что связано с использованием нейронных сетей, нейросетевых моделей получило название «нейросетевых технологий» («нейрокомпьютинг»). Важное свойство нейросетевых моделей – они не требуют программирования, а предусматривают работу по обучению нейронной сети на специально подобранных примерах. Во время обучения формируются основные отношения между входными и выходными параметрами, и оформляются в незримые таблицы (образы), которые впоследствии используются при решении задач на сети и являются своеобразными алгоритмами решения этих задач.
Нейрокомпьютинг предоставляет единую методологию решения очень широкого круга практически интересных задач, как правило – ускоряющих и удешевляющих разработку приложений. В число таких задач входят задачи, связанные с необходимостью проявления интеллекта, например такие, как прогнозирование цен, оценка кредитоспособности, оптическое распознавание, обработка изображений, диагностика, лингвистический анализ, и др. Использование нейросетей для решения перечисленных задач предусматривает выполнение типовой последовательности действий с помощью нейрокомпьютеров, или нейропакетов, или отдельных специальных программ.
Интеллект связан со знаниями: приобретением знаний, хранением знаний, поиском, извлечением и преобразованием знаний.
Последовательность приобретения новых знаний в теории познания философами определена в виде таких операций, как: созерцание – накопление – кластеризация – классификация – узнавание – предсказание – прогнозирование.
Для хранения знаний разработаны специальные средства – системы управления базами знаний (СУБЗ). В отличие от систем управления базами данных (СУБД), базы знаний содержат специальные добавки, обеспечивающие непротиворечивость хранящихся знаний (проверка, устранение).
Знания имеют смысл, раскрывают его. Смысл и знания – динамичны. Для их преобразования используются такие интеллектуальные операции, как рассуждения, умозаключения, планирование, доказательство.
Нейросети способны обучаться на примерах. Умение обучаться на примерах – это интеллектуальная задача.
Распознавание – это ещё одна интеллектуальная задача. У неё есть несколько разновидностей – узнавание, предсказание, прогнозирование, идентификация.
Кластеризация – разделение объектов на группы похожих. Это тоже интеллектуальная задача.
В настоящее время усиливается интерес к использованию искусственных нейронных сетей при получении новых знаний – ещё одной интеллектуальной задачи.
Хранение и обработка знаний, работа со смыслом, рассуждение и умозаключения, планирование, доказательство, проверка на противоречивость и устранение противоречивости – это более сложные интеллектуальные задачи, алгоритмы решения которых и способы использования нейросетей при решении таких задач пока могут быть неизвестны.
Для поиска алгоритмов решения таких задач и способов использования нейросетей для их решения приходится использовать нейросетевые интеллектуальные модели и создавать нейросетевые технологии.
Реализация мыслительной деятельности происходит с помощью нейронных конструкций. Для создания и исследования нейросетевых конструкций создаются специальные программные средства.
С каждым годом расширяются наши знания об интеллекте и возможностях нейронных сетей, появляются новые программные реализации нейросетей – сети RBF, Хопфилда, Хэмминга, свёрточные, рекуррентные, рекурсивные.
Изменяются методы использования нейросетей: глубокое обучение, свёртка, преобразование накапливаемых при обучении нейросетей знаний в правила продукций.
Меняются и цели, с которыми проводятся нейросетевые исследования, и методы их проведения:смысловой поиск информации, анализ тематической структуры музыкальных произведений, текстов, рисунков и т. д.
Для проведения нейросетевого исследования необходимы нейросетевые пакеты и программные комплексы, различные инструменты (алгоритмы, программы, методики) и технологии. Чаще всего требуемые средства отсутствуют или доступны по запредельным ценам.
Относительно несложные инструменты, необходимые для исследования, могут быть изготовлены самостоятельно за счёт комплексирования программных средств, технология которого связана с использованием системы команд ОС Windows, конвейеризацией команд ОС, использованием нетрадиционных возможностей известных программных средств и недокументированных возможностей алгоритмического языка, например С#, безинтерфейсного построения сложных программных комплексов и управления исследованиями с помощью API и из командной строки.
Получается, что нейросетевые технологии связаны с использованием знаний и процессов высокой сложности. Очень высокой.
Облегчить преодоление сложностей освоения нейросетевых технологий можно за счёт
– концентрации внимания на изучении нейропакета, в качестве которого предлагается пакет MemBrain [1],
– реализации мыслительной деятельности с помощью нейронных конструкций [2].
– ознакомления с основами теории нейронных сетей [3],
– изучения алгоритмов и приёмов нейроконструирования [4, данная книга].
Изучение нейросетевых технологий необходимо как для обучения конструкторов нейроЭВМ, так и для обучения специалистов по созданию и использованию программного обеспечения нейрокомпьютеров, и для подготовки специалистов по использованию нейросетевых технологий в их практической деятельности.
Читать дальшеИнтервал:
Закладка: