🗊Презентация Нейрокомпьютеры

НЕЙРОКОМПЬЮТЕРЫ И НЕЙРОННЫЕ СЕТИ

Содержание 1. Нейрокомпьютеры 2. История создания нейрокомпьютеров 3. Преимущества нейрокомпьтеров 4. Недостатки 5. Применение нейрокомпьютеров 6. Нейронные сети 7. Основные элементы нейронных сетей 8. Задачи для нейросетей 9. Преимущества нейросетей 10. Заключение

Нейрокомпьютеры НЕЙРОКОМПЬЮТЕРЫ Нейрокомпьютеры - это системы, в которых алгоритм решения задачи представлен логической сетью элементов частного вида - нейронов с полным отказом от булевских элементов типа И, ИЛИ, НЕ.

История создания Нейрокомпьютеры - это ЭВМ нового поколения, качественно отличающиеся от других классов вычислительных систем параллельного типа тем, что для решения задач они используют не заранее разработанные алгоритмы, а специальным образом подобранные примеры, на которых учатся. Попытки создания ЭВМ, моделирующих работу мозга, предпринимались ещё в 40-х гг. специалистами по нейронной кибернетике. А термин нейрокомпьютер вошел в научный обиход недавно — в середине 1980х годов 20

Преимущества нейрокомпьютеров По сравнению с обычными компьютерами нейрокомпьютеры обладают рядом преимуществ. - высокое быстродействие, связанное с тем, что алгоритмы нейроинформатики обладают высокой степенью параллельности. - нейросистемы делаются очень устойчивыми к помехам и разрушениям. - устойчивые и надежные нейросистемы могут создаваться из ненадежных элементов, имеющих значительный разброс параметров.

Недостатки нейрокомпьютеров Несмотря на перечисленные выше преимущества эти устройства имеют ряд недостатков: - Они создаются специально для решения конкретных задач, связанных с нелинейной логикой и теорией самоорганизации. Решение таких задач на обычных компьютерах возможно только численными методами. - В силу своей уникальности эти устройства достаточно дорогостоящи.

Применение нейрокомпьютеров Несмотря на недостатки, нейрокомпьютеры могут быть успешно использованы в различных областях: - Управление в режиме реального времени: самолетами, ракетами и технологическими процессами непрерывного производства (металлургического, химического и др.); - Распознавание образов: человеческих лиц, букв и иероглифов, сигналов радара и сонара, отпечатков пальцев в криминалистике, заболеваний по симптомам (в медицине) и местностей, где следует искать полезные ископаемые (в геологии, по косвенным признакам); - Прогнозы: погоды, курса акций (и других финансовых показателей), исхода лечения, политических событий (в частности результатов выборов), поведения противников в военном конфликте и в экономической конкуренции; - Оптимизация и поиск наилучших вариантов: при конструировании технических устройств, выборе экономической стратегии и при лечении больного и т.д.

Нейронные сети Нейронные сети - это всего- навсего сети, состоящие из связанных между собой простых элементов формальных нейронов. В основу концепции положена идея о том, что нейроны можно моделировать довольно простыми автоматами, а вся сложность мозга, гибкость его функционирования и другие важнейшие качества определяются связями между нейронами. Каждая связь представляется как совсем простой элемент, служащий для передачи сигнала.

Основные элементы нейросетей - Самый важный элемент нейросистем - адаптивный сумматор, который вычисляет скалярное произведение вектора входного сигнала x на вектор параметров a. Адаптивным он называется из-за наличия вектора настраиваемых параметров a. - Нелинейный преобразователь сигнала получает скалярный входной сигнал x и переводит его в заданную нелинейную функцию f(x). - Точка ветвления служит для рассылки одного сигнала по нескольким адресам. Она получает скалярный входной сигнал x и передает его на все свои выходы. Стандартный формальный нейрон состоит из входного сумматора, нелинейного преобразователя и точки ветвления на выходе.

Задачи нейронных сетей - оптимизация; - построение отношений на множестве объектов; - распределенный поиск информации и ассоциативная память; - фильтрация; - сжатие информации; - идентификация динамических систем и управление ими; - построение функции по конечному набору значений; - нейросетевая реализация классических задач и алгоритмов вычислительной математики: решение систем линейных уравнений, решение задач математической физики сеточными методами и др.

Преимущества нейросетей Нейронные сети позволяют создать эффективное программное обеспечение для компьютеров с высокой степенью распараллеливания обработки. Проблема эффективного использования параллельных системы хорошо известна многим. Как добиться того, чтобы все элементы одновременно и без лишнего дублирования делали что-то полезное? Создавая математическое обеспечения на базе нейронных сетей, можно для широкого класса задач решить эту проблему. Нейросетевые системы, как текст«демократичны», они также дружественныовые процессоры, поэтому с ними может работать любой, даже

Заключение Нейронные сети возникли из исследований в области искусственного интеллекта, а именно, из попыток воспроизвести способность биологических нервных систем обучаться и исправлять ошибки.Такие системы основывались на высокоуровневом моделировании процесса мышления на обычных компьютерах. Скоро стало ясно, чтобы создать искусственный интеллект, необходимо построить систему с похожей на естественную архитектурой, т. е. перейти от программной реализации процесса мышления к аппаратной. Естественным продолжением аппаратного и программного подхода к реализации нейрокомпьютера является программно-аппаратный подход. Аппаратный подход связан с созданием нейрокомпьютеров в виде нейроподобных структур (нейросетей) электронно- аналогового, оптоэлектронного и оптического типов.

Спасибо за внимание!!!