1.6 Перцептрон.
«Перцептрон — математическая и компьютерная модель восприятия информации мозгом.
Несмотря на свою простоту, перцептрон способен обучаться и решать довольно сложные задачи. Основная математическая задача, с которой он справляется, — это линейное разделение любых нелинейных множеств. Перцептрон состоит из трёх типов элементов, а именно: поступающие от сенсоров сигналы передаются ассоциативным элементам, а затем реагирующим элементам. Таким образом, перцептроны позволяют создать набор «ассоциаций» между входными стимулами и необходимой реакцией на выходе. В биологическом плане это соответствует преобразованию, например, зрительной информации в физиологический ответ от двигательных нейронов. Применение перцептронов:
Здесь будут показаны только основы практического применения перцептрона на двух различных задачах. Задача прогнозирования (и эквивалентная ей задача распознавания образов) требует высокой точности, а задача управления агентами — высокой скорости обучения. Поэтому, рассматривая эти задачи, можно полноценно ознакомиться с возможностями перцептрона, однако этим далеко не исчерпываются варианты его использования.
В практических задачах от перцептрона потребуется возможность выбора более чем из двух вариантов, а значит, на выходе у него должно находиться более одного R-элемента. Как показано Розенблаттом, характеристики таких систем не отличаются существенно от характеристик элементарного перцептрона.» 5
2,3,4,5 Там же.
«Рассмотрим нейронную сеть для запоминания фраз, придуманную американским нейрофизиологом Бриндли. Эта сеть решала следующую задачу. Имеется словарь, состоящий из большого числа слов (у Бриндли из 10 000 слов). Из этого словаря составляются фразы из трех слов. Конечно, из 10 000 слов можно составить очень много троек слов, но большинство таких троек не будет иметь смысла. Бриндли считает, что можно составить примерно 100 000 фраз, имеющих смысл. На входы машины подаются фразы, имеющие смысл, и она запоминает их.» 6
2. Достижения в создании нейронных сетей.
Хорошим примером достижения в создании нейронных сетей, является нейрокомпьютер — устройство переработки информации на основе принципов работы естественных нейронных систем. Эти принципы были формализованы, что позволило говорить о теории искусственных нейронных сетей. Проблематика же нейрокомпьютеров заключается в построении реальных физических устройств, что позволит не просто моделировать искусственные нейронные сети на обычном компьютере, но так изменить принципы работы компьютера, что станет возможным говорить о том, что они работают в соответствии с теорией искусственных нейронных сетей.
Также в 1957 г. американский нейрофизиолог Ф. Розенблатт придумал машину, которую можно было научить отличать один объект от другого. Он назвал эту машину перцептроном (от слова “перцепция”-восприятие). С этой работы началось важное научное направление.
Заключение.
В нашем реферате, мы рассмотрели принципы работы нейронных систем. На основе выше изложенного можно сделать следующие выводы:
Нейронные сети актуальная тема, исследование которой важно для техники и информатики, так как она выдвинет эти науки на новый уровень. Нейронные сети способны самообучаться, это делает их уникальными для наук.
Литература.