Suniy Neyron tarmoqlari. Neyron tarmoqlari: turlari, ishlash printsipi va qo'llash sohalari. Neyron tarmoqlari

Neyron tarmoqlarining xususiyatlari

Shuni ta'kidlash kerakki, neyron tarmoqlari so'zning odatiy ma'nosida dasturlashni talab qilmaydi. Neyron tarmoqlarni o'qitish uchun neyron tarmoqlar uchun maxsus o'quv algoritmlari qo'llaniladi, masalan, kontrpropagatsiya va backpropagatsiya. Dasturchi kirish ma'lumotlari va tegishli chiqish ma'lumotlarini o'rnatish orqali tarmoqni "dasturlaydi". Tarmoq neyronlar orasidagi sinaptik ulanishlarni avtomatik ravishda sozlash orqali o'rganadi. O'lchov omillari neyronlarning chegaraviy qiymatlari bilan birgalikda ma'lumotlarning tarmoq orqali tarqalish xususiyatini aniqlaydi va shu bilan o'quv jarayonida ishlatiladigan ma'lumotlarga to'g'ri javobni o'rnatadi. To'g'ri javoblarni olish uchun tarmoqni o'rganish ko'p vaqt talab qilishi mumkin. Tarmoqni o'qitish jarayonida qancha rasmlarni o'rganish kerakligi, shuningdek, ishlatilgan apparat va yordamchi dasturlarning imkoniyatlariga bog'liq. Biroq, mashg'ulot tugaganidan so'ng, tarmoq yuqori tezlikda javoblarni berishga qodir. Uning ichida arxitektura sun'iy asab tizimi   boshqa hisoblash tizimlaridan farq qiladi. Klassik axborot tizimi diskret ma'lumotlarni xotira elementlari bilan ulash imkoniyatini amalga oshiradi. Masalan, odatda, axborot tizimi ma'lum bir ob'ekt to'g'risidagi ma'lumotlarni qo'shni xotira elementlari guruhida saqlaydi. Shuning uchun ma'lumotlarga kirish va ularni boshqarish qobiliyatiga ob'ektning atributlari va ular joylashgan xotira hujayralarining manzillari o'rtasida birma-bir aloqani yaratish orqali erishiladi. Bunday tizimlardan farqli o'laroq, miya faoliyatining zamonaviy nazariyalari asosida sun'iy neyron tizimlarining modellari ishlab chiqilgan bo'lib, unga ko'ra miyada vazn omillar yordamida ma'lumotlar taqdim etiladi. Bunday holda, vazn koeffitsientining ma'lum bir qiymati va saqlanadigan ma'lumotning aniq elementi o'rtasida to'g'ridan-to'g'ri bog'liqlik yo'q. Axborotning bunday taqsimlangan taqdimoti gologrammalarda ishlatiladigan rasmlarni saqlash va taqdim etish texnologiyasiga o'xshaydi. Ushbu texnologiyaga ko'ra, gologramma chiziqlari diffraktsiya panjaralari kabi ishlaydi. Ularning yordami bilan lazer nurlari o'tganda, saqlangan rasm takrorlanadi, ammo ma'lumotlarning o'zi to'g'ridan-to'g'ri talqin qilinmaydi.
   Neyron tarmog'i muammoni hal qilish vositasi sifatida. Neyron tarmog'i ko'p miqdordagi empirik ma'lumotlar mavjud bo'lganda muammoni hal qilishning maqbul vositasi sifatida ishlaydi, ammo kerakli tezlikni etarli darajada aniq echishni ta'minlaydigan algoritm mavjud emas. Shu nuqtai nazardan, sun'iy asab tizimining ma'lumotlarini taqdim etish texnologiyasi boshqa axborot texnologiyalariga nisbatan katta afzalliklarga ega. Bular foydalari   quyidagicha shakllantirish mumkin:

1. 
   Neyron tarmoq xotirasi xatolarga bardoshli. Neyron tarmog'ining ba'zi qismlarini olib tashlash bilan, faqat ma'lumotlarning pasayishi kuzatiladi, u saqlanib qoladi, ammo to'liq yo'qolmaydi. Buning sababi, ma'lumot tarqatilgan shaklda saqlanadi.
   
2. 
   Kamaytirilishi kerak bo'lgan neyron tarmog'ida ma'lumot sifati asta-sekin kamayib boradi, bu tarmoqning ulushiga mutanosib ravishda yo'q qilinadi. Katastrofik ma'lumot yo'qolmaydi.
   
3. 
   Neyron tarmoqdagi ma'lumotlar assotsiativ xotiradan foydalangan holda tabiiy ravishda saqlanadi. Assotsiativ xotira - bu barcha ma'lumotlarni to'liq tiklash uchun qisman taqdim etilgan ma'lumotlarni qidirish uchun etarli bo'lgan xotira. Bu tegishli xotira elementlarining aniq manzilini ko'rsatib ma'lumotlar olinadigan assotsiativ xotira va oddiy xotira o'rtasidagi farq.
   
4. 
     ularda saqlangan ma'lumotlarga asoslanib ekstrapolyatsiya va interpolyatsiyaga ruxsat berish. Ya'ni, trening sizga tarmoqqa ma'lumotlarning muhim xususiyatlarini yoki aloqalarini qidirish imkoniyatini beradi. Shundan so'ng, tarmoq ekstrapolyatsiya qilish va unga kelgan yangi ma'lumotlarning ulanishlarini aniqlashga qodir. Masalan, bitta tajribada neyron tarmog'i gipotetik misol yordamida o'qitilgan. Treningni tugatgandan so'ng, tarmoq trening o'tkazilmagan savollarga to'g'ri javob berish qobiliyatiga ega bo'ldi.
   
5. 
   Neyron tarmoqlari plastikdir. Muayyan miqdordagi neyronlar olib tashlanganidan keyin ham tarmoqni boshlang'ich darajasiga qaytarish mumkin (albatta, unda etarli neyronlar qolgan bo'lsa). Bu xususiyat, shuningdek, inson miyasining o'ziga xos xususiyati bo'lib, unda alohida qismlar shikastlanishi mumkin, ammo vaqt o'tishi bilan mashg'ulotlar orqali ko'nikmalar va bilimlarning boshlang'ich darajasiga erishiladi.
   

  Ushbu xususiyatlar tufayli sun'iy asab tizimlari foydalanish uchun juda jozibali bo'lib qoladi robot kosmik kemalari, neft sanoatidagi uskunalar, suv osti transport vositalari, jarayonlarni boshqarish va boshqa texnik qurilmalarnoqulay sharoitda uzoq vaqt davomida ta'mirsiz ishlashi kerak. Sun'iy neyron tizimlari nafaqat ishonchlilik muammosini hal qiladi, balki moslashuvchanligi tufayli operatsion xarajatlarni kamaytirish imkoniyatini ham beradi. Ammo, umuman olganda, sun'iy neyronik tizimlar murakkab matematik hisob-kitoblarni yoki eng maqbul echimni izlashni talab qiladigan dasturlarni yaratish uchun unchalik mos emas. Bunga qo'shimcha ravishda, agar bunday muammolarni hal qilish uchun amaliy qo'llanilishi tufayli ijobiy natija bergan algoritmik echim bo'lsa, sun'iy neyron tizimidan foydalanish eng yaxshi variant bo'lmaydi. Tegishli maqola:

TURLI TARMOQLAR   rasmiy neyronlardan tashkil topgan mantiqiy tuzilmalar sun'iy, ko'p qatlamli, juda parallel (ya'ni, juda ko'p mustaqil parallel ishlaydigan elementlar bilan). Neyron tarmoqlari nazariyasining boshlanishi va neyrokompyuterlar   Amerikalik neyrofiziologlar U. Makkallok   va Pitts, "Asabiy faoliyat bilan bog'liq fikrlarning mantiqiy hisobi" (1943), unda biologik neyronning matematik modelini taklif qilishgan. Fundamental asarlar orasida 1949 yilda sun'iy neyron tarmoqlarini o'rganish algoritmlari uchun boshlang'ich nuqtasi bo'lgan o'rganish qonunini taklif etgan D. Xebbning modelini alohida ta'kidlash kerak. Neyron tarmog'i nazariyasining keyingi rivojlanishiga Amerikaning neyrofiziologi F.Rozenblattning "Neyrodinamika asoslari" monografiyasi ta'sir ko'rsatdi, unda u idrokning sxemasini (inson miyasi tomonidan ma'lumotni qabul qilish jarayonini simulyatsiya qiladigan qurilma) batafsil bayon qildi. Uning g'oyalari ko'plab mualliflarning ilmiy ishlarida ishlab chiqilgan. 1985–86 yillarda neyron tarmoqlar nazariyasi o'sha paytlarda paydo bo'lgan arzon va yuqori samarali tarmoqlarda neyron tarmoqlarni simulyatsiya qilish qobiliyatidan kelib chiqqan holda "texnologik turtki" oldi. shaxsiy kompyuterlar . Neyron tarmog'i nazariyasi 21-asrning boshlarida faol rivojlanib borishda davom etmoqda. Mutaxassislarning fikriga ko'ra, yaqin kelajakda neyron tarmoqlari va neyrokompyuterlarni loyihalash sohasida sezilarli texnologik o'sish kutilmoqda. So'nggi yillarda neyron tarmoqlarining ko'plab yangi imkoniyatlari kashf qilindi va ushbu sohadagi ishlar sanoat, fan va texnologiyaga katta hissa qo'shadi va katta iqtisodiy ahamiyatga ega.