ПРИНЦИП РАБОТЫ И АРХИТЕКТУРА НЕЙРОННЫХ СЕТЕЙ

Введение

Нейронные сети – это искусственный интеллект, который представляет собой вид машинного обучения, посредством которого программное обеспечение компьютера способно имитировать человеческий мозг. По принципу передачи между собой сигналов нейронов человеческого мозга, вычислительные элементы нейронной сети способны обмениваются информацией [3].

Первыми, кто предложили саму идею неросетей стали научные работники американского университета из города Чикаго Уоррен Маккалоу и Уолтер Питтс. Идея эта родилась во время Великой Отечественной войны в 1944 году, по определенным причинам она не сразу получила свое дальнейшее развитие [6].

В последствии, в 1957 году в Корнеллском университете психологом Фрэнком Розенблаттом была представлена первая нейросеть примитивного принципа, она была одноуровневая и имела свойство обучаться.

В начале восьмидесятых годов прошлого столетия с появлением более мощных электронно-вычислительных машин, у исследователей появилась возможность спроектировать более мощные – двух- и трехуровневые нейронные сети.

Классификация нейронных сетей

Нейронные сети имеют несколько классификаций, они представлены на рисунках 1 – 3, [1].

Архитектура нейронных сетей

Чтобы построить нейронную сеть необходимо подчиняться определенным правилам организации и взаимосвязей нейронов и расположенных внутри сети слоев, благодаря которым появляется возможность обработки и анализа данных [4].

Нейронные сети могут быть полносвязными и многослойными (слоистыми). Каждый из слоев это группа нейронов, которые занимаются передачей и обработкой нейронов. Архитектура нейронной сети представлена на рисунке 4.

Архитектуры нейронных сетей могут быть простыми или сложными, с разным количеством слоев и нейронов. Сложность архитектуры может влиять на точность и производительность сети. Схема архитектуры нейронной сети сложного вида представлена на рисунке 5.

Самая важная задача, которая стоит перед разработчиками архитектуры нейросети, — это поиск оптимальных параметров для функции активации, функции потерь и метода оптимизации [2].

Архитектуру нейронной сети возможно изменить и доработать в любой момент обучения и оптимизации, это делается с целью достичь большей эффективности и точности.

Нейронная сеть, у которой правильно спроектирована архитектура, может быть применена в любой сфере, например, предсказательная аналитика, обработка естественного языка, компьютерное зрение.

Схема работы нейронной сети

Входной слой, в котором движутся искусственные нейроны, обогащается информацией из внешней среды, выходной слой служит передатчиком ответа; между ними присутствует некоторое количество «скрытых» слоев (они изолированы от окружающей среды), именно в этих «скрытых слоях» и обрабатывается информация [5].

Вес связей нейронов в различных слоях влияет на выход нейронной сети. Относительная важность конкретного соединения непосредственно зависит от каждого веса. Если при взвешивании сумма всех входных сигналов, передаваемая обозначенным нейроном, окажется выше определенного порогового значения, то нейрон будет передавать сигнал всем нейронам, с которыми соединяется в следующем слое [7].

Обучающиеся нейронные сети

Нейронная сеть имеет собственную логику работы, это не алгоритм, который заключается в заранее определенной последовательности действий, предназначенной для выполнения компьютером и завершающийся определенным предсказуемым результатом.

Например, программа, которой дан чертеж детали, и она должна рассчитать площадь данной детали. У данной программы конкретный поэтапный алгоритм действий: какие размеры сложить, какие умножить. У данного алгоритма простая и четкая архитектура, его можно менять в любое время.

Нейронные сети работают совершенно по-другому. Они имеют большой объем правильно решенных задач. В нашей ситуации — это огромное количество чертежей деталей уже с подсчитанными и указанными площадями. И вот теперь нейронная сеть имеет возможность сама решать аналогичную задачу. Начинается угадывание правильного ответа, который от нее ожидается. Некоторый алгоритм дает ей знать о правильности ее решения. Постепенно нейросеть приобретает умение и угадывает все точнее, создаются связи внутри структуры самой себя, обеспечивая в итоге наилучший результат [8].

Заключение

На сегодняшний день технологии нейронных сетей являются самыми востребованными. Возможность применения искусственно созданного интеллекта, способного принимать правильные решения, многие годы была недосягаемым, но весьма необходимым действом.

Самая главная ценность нейронных сетей заключается в их умении использовать приобретенный в прошлом опыт и на основании этого принимать решение. Чаще всего, чтобы решать поставленные задачи, многие программы используют конкретный алгоритм, который был задан — четкую, поэтапную последовательность определенных действий, которая приводит к предсказуемому результату. Все необходимые и возможные версии событий и результаты решений заранее прописаны в коде.