Відмінності між версіями «Стаття до проекту "Штучний інтелект" Жданова Ірина Ігорівна»
7693985 (обговорення • внесок) |
7693985 (обговорення • внесок) |
||
| Рядок 17: | Рядок 17: | ||
Нейроподібні мережі пройшли довгий шлях становлення і розвитку, від повного заперечення можливості їх застосування до втілення в багато сфер діяльності людини. | Нейроподібні мережі пройшли довгий шлях становлення і розвитку, від повного заперечення можливості їх застосування до втілення в багато сфер діяльності людини. | ||
| + | [[Файл:1.jpg|міні]] | ||
Сучасні цифрові обчислювальні машини здатні з високою швидкодією і точністю вирішувати формалізовані завдання з цілком певними даними за заздалегідь відомими алгоритмами. Проте в тих випадках, коли завдання не піддається формалізації, а вхідні дані неповні, зашумлені або суперечливі, застосування традиційних комп’ютерів стає неефективним. Альтернативою їм стають спеціалізовані комп’ютери, що реалізовують нетрадиційні нейромережеві технології. Сильною стороною цих комплексів є нестандартний характер обробки інформації. Вона кодується і запам’ятовується не в окремих елементах пам’яті, а в розподілі зв’язків між нейронами і в їх силі, тому стан кожного окремого нейрона визначається станом багатьох інших нейронів, пов’язаних з ним. Отже, втрата одного або декількох зв’язків не робить істотного впливу на результат роботи системи в цілому, що забезпечує її високу надійність [76]. | Сучасні цифрові обчислювальні машини здатні з високою швидкодією і точністю вирішувати формалізовані завдання з цілком певними даними за заздалегідь відомими алгоритмами. Проте в тих випадках, коли завдання не піддається формалізації, а вхідні дані неповні, зашумлені або суперечливі, застосування традиційних комп’ютерів стає неефективним. Альтернативою їм стають спеціалізовані комп’ютери, що реалізовують нетрадиційні нейромережеві технології. Сильною стороною цих комплексів є нестандартний характер обробки інформації. Вона кодується і запам’ятовується не в окремих елементах пам’яті, а в розподілі зв’язків між нейронами і в їх силі, тому стан кожного окремого нейрона визначається станом багатьох інших нейронів, пов’язаних з ним. Отже, втрата одного або декількох зв’язків не робить істотного впливу на результат роботи системи в цілому, що забезпечує її високу надійність [76]. | ||
| Рядок 24: | Рядок 25: | ||
| − | Наведені вище переваги нейромережевої обробки даних визначають '''сфери''' їх застосування: | + | Наведені вище переваги нейромережевої обробки даних визначають '''сфери''' їх застосування:[[Файл:2.png|міні]] |
– обробка і аналіз зображень; | – обробка і аналіз зображень; | ||
| Рядок 44: | Рядок 45: | ||
Основні положення теорії діяльності головного мозку і математична модель нейрона були розроблені '''У. Маккалоком і Ч. Піттсом''' в 1943 році і опубліковані в статті «Логічне обчислення ідей, що відносяться до нервової діяльності», яка була видана російською мовою в збірці «Автомати» тільки через 13 років. Згідно із запропонованою моделлю мозком є ансамбль нейронів, що мають однакову структуру. Кожен нейрон реалізує деяку функцію, названу пороговою, над вхідними значеннями. Якщо значення функції перевищує певну величину – поріг (що характеризує сумарну значущість отриманої нейроном інформації), нейрон збуджується і формує вихідний сигнал для передачі його іншим нейронам. Пройшовши шлях від рецепторів (слухових, зорових і інших) через нейронні структури мозку до виконавчих органів, вхідна інформація перетвориться в набір керувальних дій адекватних ситуації [75]. | Основні положення теорії діяльності головного мозку і математична модель нейрона були розроблені '''У. Маккалоком і Ч. Піттсом''' в 1943 році і опубліковані в статті «Логічне обчислення ідей, що відносяться до нервової діяльності», яка була видана російською мовою в збірці «Автомати» тільки через 13 років. Згідно із запропонованою моделлю мозком є ансамбль нейронів, що мають однакову структуру. Кожен нейрон реалізує деяку функцію, названу пороговою, над вхідними значеннями. Якщо значення функції перевищує певну величину – поріг (що характеризує сумарну значущість отриманої нейроном інформації), нейрон збуджується і формує вихідний сигнал для передачі його іншим нейронам. Пройшовши шлях від рецепторів (слухових, зорових і інших) через нейронні структури мозку до виконавчих органів, вхідна інформація перетвориться в набір керувальних дій адекватних ситуації [75]. | ||
| − | Окремі нейрони, з’єднуючись між собою, утворюють нову якість, яка, залежно від характеру міжнейронних з’єднань, має різні '''рівні біологічного моделювання:''' | + | Окремі нейрони, з’єднуючись між собою, утворюють нову якість, яка, залежно від характеру міжнейронних з’єднань, має різні '''рівні біологічного моделювання:'''[Файл:zhdanova4.jpg] |
– група нейронів; | – група нейронів; | ||
Версія за 00:08, 14 травня 2019
Зміст
Тема статті
Штучна нейронна мережа
Опис проблеми
Що таке штучні нейронні мережі? Що вони можуть робити? Як вони працюють? Як їх можна використовувати? Ці і безліч подібних питань задають фахівці з різних областей.
Що ж таке нейроподібна мережа?
Це штучний аналог біологічної мережі, який за своїми параметрами максимально наближається до оригіналу.
Нейроподібні мережі пройшли довгий шлях становлення і розвитку, від повного заперечення можливості їх застосування до втілення в багато сфер діяльності людини.
Сучасні цифрові обчислювальні машини здатні з високою швидкодією і точністю вирішувати формалізовані завдання з цілком певними даними за заздалегідь відомими алгоритмами. Проте в тих випадках, коли завдання не піддається формалізації, а вхідні дані неповні, зашумлені або суперечливі, застосування традиційних комп’ютерів стає неефективним. Альтернативою їм стають спеціалізовані комп’ютери, що реалізовують нетрадиційні нейромережеві технології. Сильною стороною цих комплексів є нестандартний характер обробки інформації. Вона кодується і запам’ятовується не в окремих елементах пам’яті, а в розподілі зв’язків між нейронами і в їх силі, тому стан кожного окремого нейрона визначається станом багатьох інших нейронів, пов’язаних з ним. Отже, втрата одного або декількох зв’язків не робить істотного впливу на результат роботи системи в цілому, що забезпечує її високу надійність [76].
Висока «природна» перешкодостійкість і функціональна надійність стосуються як спотворених (зашумлених) потоків інформації, так і в сенсі відмов окремих процесорних елементів. Цим забезпечуються висока оперативність і достовірність обробки інформації, а просте донавчання і перенавчання мереж дозволяють при зміні зовнішніх чинників своєчасно здійснювати перехід на новий рівень вирішуваних завдань.
– обробка і аналіз зображень;
– розпізнавання мови незалежно від диктора;
– обробка високошвидкісних цифрових потоків;
– автоматизована система швидкого пошуку інформації;
– класифікація інформації в реальному масштабі часу;
– планування, застосування сил і засобів у великих масштабах;
– вирішення трудомістких задач оптимізації;
– адаптивне управління і передбачення.
Основні положення теорії діяльності головного мозку і математична модель нейрона були розроблені У. Маккалоком і Ч. Піттсом в 1943 році і опубліковані в статті «Логічне обчислення ідей, що відносяться до нервової діяльності», яка була видана російською мовою в збірці «Автомати» тільки через 13 років. Згідно із запропонованою моделлю мозком є ансамбль нейронів, що мають однакову структуру. Кожен нейрон реалізує деяку функцію, названу пороговою, над вхідними значеннями. Якщо значення функції перевищує певну величину – поріг (що характеризує сумарну значущість отриманої нейроном інформації), нейрон збуджується і формує вихідний сигнал для передачі його іншим нейронам. Пройшовши шлях від рецепторів (слухових, зорових і інших) через нейронні структури мозку до виконавчих органів, вхідна інформація перетвориться в набір керувальних дій адекватних ситуації [75].
Окремі нейрони, з’єднуючись між собою, утворюють нову якість, яка, залежно від характеру міжнейронних з’єднань, має різні рівні біологічного моделювання:[Файл:zhdanova4.jpg]
– група нейронів;
– нейронна мережа;
– нервова система;
– розумова діяльність;
– мозок.
Іншими словами, нейроподібна мережа — це паралельна зв’язна мережа простих адаптивних елементів, яка взаємодіє з об’єктами реального світу аналогічно біологічній нервовій системі [75]. З інженерної точки зору така мережа є динамічною системою, яка сильно розпаралелює, з топологією направленого графа, яка може виконувати переробку інформації за допомогою зміни свого стану у відповідь на постійний або імпульсний вхідний сигнал.
В наш час основними напрямами реалізації мереж є:
— програмна реалізація на цифрових ЕОМ традиційної архітектури;
— програмно-апаратна реалізація у вигляді співпроцесорів до ЕОМ загального призначення;
— апаратна реалізація шляхом створення нейрокомп’ютерів на базі нейроплат у вигляді паралельних нейроподібних структур.
Ранні варіанти реалізації нейронних мереж відносяться до перших двох із вказаних напрямів. Перший напрям характеризується універсальністю, дешевизною і низькою швидкістю навчання і функціонування нейронних мереж. Для другого напряму характерна висока швидкість моделювання функціонування мереж, але при цьому існують серйозні фізичні обмеження числа модельованих елементів і зв’язків між ними, а також можливостей навчання і донавчання. Із розвитком елементної бази ЕОМ став можливим самостійний розвиток третього напряму, який поклав початок індустрії нейрокомп’ютерів, що подають сукупність апаратних і програмних засобів для реалізації моделей нейронних мереж.
На сьогоднішній день відомо вже більше 200 різних парадигм нейронних мереж (не лише детермінованих, але і імовірнісних), десятки НПС реалізовані в спеціалізованих кристалах і платах, на їх основі створені потужні робочі станції і навіть суперкомп’ютери. Сучасні технології досягли того рубежу, коли стало можливим виготовлення технічної системи з 3.4 млрд. нейронів (саме така кількість їх в мозку людини). Проте їх з’єднання продовжує залишатися проблемою
Блог до проекту
https://shtuchnyiintelektzhdanova.blogspot.com/
Мультимедійна презентація
https://docs.google.com/presentation/d/1FWsrcs-4a-cc8WIsaIPRmNHmAeo--zrjsGkvH-Q_P3E/edit?usp=sharing
Календар подій проекту:
Google Календар (https://calendar.google.com/calendar/r?tab=rc&pli=1&t=AKUaPmadYsnYuWUnVXdCteepoDNO9AWB60F1fT2I6-OHBo2TSuJN2Xp4NtRGbrglV-eLAmroHSMy84xY2hDp1R0smxFjP73Ouw%3D%3D)
Опитування до проекту
https://docs.google.com/forms/d/e/1FAIpQLSfu34XPtO3bVkENgyzklu7b9uofS61oEFzEB5vb1LTcMwf2YA/viewform
Фотоальбом до проекту
https://photos.app.goo.gl/6p5K8GnyQEo7rbbf9
Спілкування між учасниками проекту
- Чат
- Форум
- Спільнота на базі соціальних мереж
- Skype
- Telegram
- Viber
- Wiki-сторінка
- Сайт
- .....
Інформаційні ресурси
Друковані джерела
- ...
- ...
- ...
Відеоматеріали
https://www.youtube.com/watch?v=sA2EVMd3KOU https://www.youtube.com/watch?v=9R_3auXbPaw https://www.youtube.com/watch?v=oMD8rdl-VD4
Електронні ресурси
- ...
- ...
- ...
Центральноукраїнський державний педагогічний університет імені Володимира Винниченка
