Этапы становления и развития нейронных сетей. Головной мозг, нейронные сети и компьютеры. Программные и аппаратные реализации, построенные по принципу организации и функционирования биологических нейронных сетей. Способы распознавания образов предметов.
В представленной работе будет рассмотрено несколько этапов становления нейронных сетей, а именно: их прошлое-история создания, кем и когда; настоящее - где нейронные сети применяются в наши дни; и будущее - как повлияют нейронные сети на нашу жизнь, что с помощью них можно будет создать в будущем, и как эти изобретения помогут человеку.С точки зрения кибернетики, нейронная сеть используется в задачах адаптивного управления и как алгоритмы для робототехники. Научное сообщество того времени восприняло теорию Бэйна скептически, поскольку следствием ее являлось возникновение чрезмерного количества нейронных связей в мозге. Теория Джеймса была схожа с теорией Бэйна, но в то же время Джеймс предположил, что формирование памяти происходит в результате прохождения электрических токов между нейронами в головном мозге, не требуя соединений нейронов для каждого акта запоминания или действия. В 1943 Мак-Каллок и Питтс разработали компьютерную модель нейронной сети на основе математических алгоритмов. Модель Мак-Каллока - Питтса заложила основы двух различных подходов исследований нейронных сетей.Нейронные сети, используемые в сфере искусственного интеллекта, традиционно рассматриваются как упрощенные модели нейронных сетей головном мозге, хотя вопрос о том, в какой мере искусственные нейронные сети отражают реальную структуру головного мозга, по-прежнему остается открытым. С другой стороны, разработка искусственных нейронных сетей основывалась на моделях обработки информации в биологических системах, которые предполагают параллельную обработку информации, а также использование неявных инструкций на основе распознавания «сенсорных» входов из внешних источников. Другими словами, нейронная сеть представляет собой сложный статистический процессор (в отличие от систем, основанных на последовательной обработке и исполнении команд) [4].В случае, если признаков недостаточно, сеть может соотнести один и тот же образец с несколькими классами, что неверно. По окончании обучения сети ей можно предъявлять неизвестные ранее образы и получать ответ о принадлежности к определенному классу. Когда сети предъявляется некий образ, на одном из ее выходов должен появиться признак того, что образ принадлежит этому классу. Если на двух или более выходах есть признак принадлежности к классу, считается, что сеть «не уверена» в своем ответе. Соответствие между классами, выделенными сетью, и классами, существующими в предметной области, устанавливается человеком.Способность к моделированию нелинейных процессов, работе с зашумленными данными и адаптивность дают возможность применять нейронные сети для решения широкого класса задач.
План
Содержание
Введение
Глава 1. «Прошлое»
1.1 Искусственные нейронные сети. Определение
1.2 История нейронных сетей
1.3 Головной мозг, нейронные сети и компьютеры
Глава 2. «Настоящее»
2.1 Распознавание образов и классификация
Глава 3. «Будущее»
Заключение
Список использованных источников
Вы можете ЗАГРУЗИТЬ и ПОВЫСИТЬ уникальность своей работы
