Нейронные сети и искусственный интеллект - Курсовая работа

Интеллект - это весьма общая умственная способность, которая включает возможность делать заключения, планировать, решать проблемы, абстрактно мыслить, понимать сложные идеи, быстро обучаться и учиться на основании опыта. Интеллект человека является органической структурой, при всех ее плюсах имеются и минусы. Для получения базовых знаний, каждый человек должен проходить годы обучения, например: чтобы научится аудиту человеку надо провести не малое количество времени изучая. Человеку свойственно ошибаться и это нормально так, как человек подвержен множествам факторов: Эмоции, физическое состояние, квалифицированность, а также простые ошибки, вроде «Ой, я вместо Б написал П»Искусственная нейронная сеть (ИНС) - математическая модель , а также ее программное или аппаратное воплощение, построенная по принципу организации и функционирования биологических нейронных сетей - сетей нервных клеток живого организма Нейрон - это вычислительная единица, которая получает информацию, производит над ней простые вычисления и передает ее дальше. Они делятся на три основных типа: входной (синий), скрытый (красный) и выходной (зеленый). В остальных, в поле input попадает суммарная информация всех нейронов с предыдущего слоя, после чего, она нормализуется, с помощью функции активации output. Усердно изучая структуру и функции нервной системы человека, они многое поняли в «электропроводке» мозга, но мало узнали о его функционировании.Винер предлагает ему вакуумные лампы в качестве идеального на тот момент средства для реализации эквивалентов нейронных сетей Перцептрон обрел популярность - его используют для распознавания образов, прогнозирования погоды и т. д.; в то время казалось, что уже не за горами создание полноценного искусственного интеллекта. К моменту изобретения перцептрона завершилось расхождение теоретических работ Маккалока с т. н. Минский публикует формальное доказательство ограниченности перцептрона и показывает, что он неспособен решать некоторые задачи (проблема «четности» и «один в блоке»), связанные с инвариантностью представлений. Андерсон] независимо предлагают новый тип нейронных сетей, способных функционировать в качестве памяти.Можно провести следующую классификацию нейронных сетей:Классификация нейронных сетей по характеру обучения делит их на: O Нейронные сети, использующие обучение с учителем; O Нейронные сети, использующие обучение без учителя. Нейронные сети, использующие обучение с учителем. Обучение с учителем предполагает, что для каждого входного вектора существует целевой вектор, представляющий собой требуемый выход.O Сети с фиксированными связями - весовые коэффициенты нейронной сети выбираются сразу, исходя из условий задачи;O Аналоговая - входная информация представлена в форме действительных чисел;К таким сетям относятся, например: простейший персептрон (разработанный Розенблаттом) и многослойный персептрон. Рекуррентные нейронные сети - сигнал с выходных нейронов или нейронов скрытого слоя частично передается обратно на входы нейронов входного слоя. Радиально базисная сеть обладает следующими особенностями: один скрытый слой, только нейроны скрытого слоя имеют нелинейную активационную функцию и синаптические веса входного и скрытого слоев равны единицы.Экономика и бизнес: прогнозирование временных рядов (курсов валют, цен на сырье, объемов продаж,..), автоматический трейдинг (торговля на валютной, фондовой или товарной бирже), оценка рисков невозврата кредитов, предсказание банкротств, оценка стоимости недвижимости, выявление переоцененных и недооцененных компаний, рейтингование, оптимизация товарных и денежных потоков, считывание и распознавание чеков и документов, безопасность транзакций по пластиковым картам. Медицина: постановка диагноза больному, обработка медицинских изображений, мониторинг состояния пациента, анализ эффективности лечения, очистка показаний приборов от шумов. Интернет: ассоциативный поиск информации, электронные секретари и автономные агенты в интернете, фильтрация и блокировка спама, автоматическая рубрикация сообщений из новостных лент, адресные реклама и маркетинг для электронной торговли, распознавание captcha. Безопасность и охранные системы: распознавание лиц; идентификация личности по отпечаткам пальцев, голосу, подписи или лицу; распознавание автомобильных номеров, анализ аэрокосмических снимков, мониторинг информационных потоков в компьютерной сети и обнаружение вторжений, обнаружение подделок, анализ данных с видеодатчиков и разнообразных сенсоров. В настоящее время нейронные сети являются одним из самых распространенных методов хемоинформатики для поиска количественных соотношений структура-свойство, благодаря чему они активно используются как для прогнозирования физико-химических свойств и биологической активности химических соединений, так и для направленного дизайна химических соединений и материалов с заранее заданными свойствами, в том числе при разработке новых лекарственных препаратов.За последние 5 лет количество сделок в этой сфере выросло с 67 до 3

Оглавление

Введение

Глава 1. Нейронные сети

1.1 История создания ИНС (искусственная нейронная сеть)

1.2 Хронология

1.3 Персептрон

1.4 Когнитрон

1.5 Классификация нейронных сетей

1.6 Характер обучения

1.7 Настройка весов

1.8 Тип входной информации

1.9 Применяемая модель нейронной сети

1.10 Основные типы нейронных сетей

1.11 Основные сферы применение искусственных нейронных сетей (ИНС)

Глава 2. Искусственный интеллект в мобильных приложениях

2.1 Самые популярные Российские стартапы, в сфере ИИ (Искуственного интреллекта)

2.1.1 N-Tech.Lab

2.1.2 VISIONLABS

2.1.3 Приложение Artisto

Заключение

Список использованной литературы