Составители:
Рубрика:
4
ИНС и их неспособность решать многие простые задачи, в том чис-
ле реализовать функцию «исключающее ИЛИ».
После выхода в свет этой книги Розенблатт и Видров разрабо-
тали многослойные сети, свободные от выявленных недостатков.
Однако им не удалось модернизировать свои обучающие алгорит-
мы так, чтобы данные более сложные сети можно было настраивать
автоматически.
Эти результаты вызвали некоторое разочарование в возможно-
стях ИНС, которое продлилось до начала 80-х годов, хотя в 70-е
годы были опубликованы важные работы по таким сетям Т. Кохо-
нена [6] и С. Гроссберга [7].
В 1980-е годы появились мощные персональные компьютеры и
рабочие станции, что позволило выполнять сложные эксперимен-
ты с ИНС.
В 1982 г. Дж. Хопфилд успешно применил методы механики
для описания работы однослойных полносвязных динамических
ИНС [8]. Кохонен предложил новый класс искусственных нейрон-
ных сетей для решения задач векторной классификации [9].
Однако наибольшее значение для возрождения интереса к ИНС
имело появление алгоритма обратного распространения ошибки,
позволяющего обучать многослойные ИНС прямого распростране-
ния [10].
Алгоритм обратного распространения ошибки (существующий
в многочисленных модификациях) показал очень хорошие резуль-
таты по обучению ИНС при решении многих прикладных задач,
связанных с распознаванием текста, символов и т. п. Вместе с тем
этот алгоритм является локальным, т. е. гарантированно работает
только тогда, когда минимизируемая при обучении функция ошиб-
ки является унимодальной. Во многих задачах функция ошибки
мультимодальна, поэтому в последние годы наряду с алгоритмом
обратного распространения для обучения ИНС используются такие
универсальные алгоритмы глобальной оптимизации, как алгоритм
«отжига металла» [11], генетический алгоритм [12], «роевой ин-
теллект» [13], метод муравьиных колоний [14].
Подробное описание истории развития ИНС можно найти в [15].
Немало работ по теории и практике применения ИНС ([16–24] и
др.), а также переводов [25–28] было издано на русском языке.
В результате можно выделить следующие направления исполь-
зования искусственных нейронных сетей:
• классификация образов. Задача состоит в указании принад-
лежности входного образа, представленного вектором признаков,
Страницы
- « первая
- ‹ предыдущая
- …
- 2
- 3
- 4
- 5
- 6
- …
- следующая ›
- последняя »
