bob sun’iy neyron modeli. Perseptron modeli

Bir qatlamli perseptronni amaliy vazifalarda qo'llash:

• Tasniflash imkoniyati. Bosqichli faollashtirish funktsiyasiga ega H neyronlarini o'z ichiga olgan bitta yashirin qatlamli tarmoq d o'lchovli fazoda Hd nuqtalarini o'zboshimchalik bilan tasniflashni amalga oshirishi mumkin (ya'ni Hd misollarini tasniflash). Sigmasimon faollashtirish funktsiyasiga ega bo'lgan bitta yashirin
neyron qatlami har qanday sinf chegarasini o'zboshimchalik bilan yuqori aniqlik bilan taxmini qilish uchun etarli.

• Taxminlash imkoniyati. Sigmasimon faollashtirish funktsiyasiga ega bo'lgan neyronlarning bitta yashirin qatlami har qanday funktsiyani va uning hosilalarini o'zboshimchalik bilan yuqori aniqlik bilan taxmin qilish uchun etarli.



ANN yordamida hal qilingan vazifalar

Tasvirlarning tasnifi. Vazifa xususiyatlar vektori bilan ifodalangan kirish tasvirining (masalan, nutq signali yoki qo'lda yozilgan belgi) bir yoki bir nechta oldindan belgilangan sinflarga tegishli ekanligini ko'rsatishdir. Taniqli dasturlarga harflarni aniqlash, nutqni aniqlash, elektrokardiogramma signalining tasnifi, qon hujayralari tasnifi kiradi.
Klasterlash / turkumlash. Klasterlash muammosini hal qilishda sinf yorliqlari bilan o'quv namunasi mavjud emas. Klasterlash algoritmi tasvirlarning o'xshashligiga asoslangan va yaqin tasvirlarni bitta klasterga joylashtiradi. Bilimlarni olish, ma'lumotlarni siqish va ma'lumotlar xususiyatlarini o'rganish uchun klasterlashni qo'llash holatlari mavjud.
Funktsiyalarni yaqinlashtirish. Aytaylik, o'rganish namunasi mavjud ((x1,y1), (x2,y2)..., (xn, yn)) (ma'lumotlar juftligi kirish-chiqish), bu shovqin bilan buzilgan noma'lum funktsiya (x) tomonidan hosil bo'ladi. Yaqinlashtirish vazifasi quyidagilardan iborat: noma'lum funktsiyani (x) baholashni topish. Modellashtirishning ko'plab muhandislik va ilmiy muammolarini hal qilishda funktsiyalarni yaqinlashtirish zarur.
Bashorat qilish / bashorat qilish. N diskret namunalar berilsin (y (t1), y(t2)..., y (tn)} ketma-ket daqiqalarda vaqt t1, t2,..., tn . Muammo y(tn+1) qiymatini tn+1 vaqtidagi kelajakdagi nuqtada bashorat qilishdir. Bashorat qilish / bashorat qilish biznes, fan va muhandislikda qaror qabul qilishga sezilarli ta'sir ko'rsatadi. Birja narxlarini bashorat qilish va ob-havo prognozi texnikaning odatiy qo'llanmalaridir bashoratlar / prognozlar.
Optimallashtirish. Matematika, Tati tika, texnika, fan, tibbiyot va iqti odiyotdagi ko'plab muammolar optimallashtirish muammolari sifatida qaraldi. Optimallashtirish algoritmining vazifasi quyidagilarni topishdir cheklovlar tizimini qondiradigan va maqsadli funktsiyani maksimal darajada oshiradigan yoki minimallashtiradigan echimlar. Sayohat sotuvchisi muammosi optimallashtirish muammosining klassik namunasidir. Tarkib bo'yicha murojaat qilingan xotira. Fon Neymanning hisoblash modelida faqat xotiraga kirish mumkin xotira tarkibiga bog'liq bo'lmagan manzil orqali. Bundan tashqari, agar hisoblashda xato bo'lsa manzillar, keyin butunlay boshqa ma'lumotlarni topish mumkin. Assotsiativ xotira yoki tarkibga yo'naltirilgan xotira berilgan tarkib bo'yicha mavjud. Xotira tarkibiga hatto qisman kirish yoki buzilgan tarkib sabab bo'lishi mumkin. Multimedia axborot ma'lumotlar bazalarini yaratishda assotsiativ xotira juda istalgan.
Boshqaruv. {U(t), y(t)} yig'indisi bilan berilgan dinamik tizimni ko'rib chiqing, bu erda u (t) kirish nazoratining ta'siri va y (t) t vaqtidagi tizimning chiqishi. mos yozuvlar modeli bilan boshqarish tizimlarida boshqaruvning maqsadi u(t) ning bunday kirish ta'sirini hisoblash, qaysi tizim mos yozuvlar modeli tomonidan belgilangan kerakli traektoriyani kuzatib boradi. Masalan, dvigatelni optimal boshqarish.