Информационные системы в науке, образовании и бизнесе. Ефремов О.В - 26 стр.

UptoLike

ВУЗ: 

ТГТУ | Тамбов

Составители: 

Рубрика: 

Для конструирования процесса обучения, прежде всего, необходимо иметь модель внешней среды, в кото-
рой функционирует нейронная сеть – знать доступную для сети информацию. Эта модель определяет парадиг-
му обучения [3]. Во-вторых, необходимо понять, как модифицировать весовые параметры сети – какие правила
обучения управляют процессом настройки. Алгоритм обучения означает процедуру, в которой используются
правила обучения для настройки весов.
Существуют три парадигмы обучения: "с учителем", "без учителя" (самообучение) и смешанная. В первом
случае нейронная сеть располагает правильными ответами (выходами сети) на каждый входной пример. Веса
настраиваются так, чтобы сеть производила ответы как можно более близкие к известным правильным ответам.
Усиленный вариант обучения с учителем предполагает, что известна только критическая оценка правильности
выхода нейронной сети, но не сами правильные значения выхода. Обучение без учителя не требует знания пра-
вильных ответов на каждый пример обучающей выборки. В этом случае раскрывается внутренняя структура
данных или корреляции между образцами в системе данных, что позволяет распределить образцы по категори-
ям. При смешанном обучении часть весов определяется посредством обучения с учителем, в то время как ос-
тальная получается с помощью самообучения.
Теория обучения рассматривает три фундаментальных свойства, связанных с обучением
по примерам: емкость, сложность образцов и вычислительная сложность. Под емкостью по-
нимается, сколько образцов может запомнить сеть, и какие функции и границы принятия
решений могут быть на ней сформированы. Сложность образцов определяет число обучаю-
щих примеров, необходимых для достижения способности сети к обобщению. Слишком ма-
лое число примеров может вызвать "переобученность" сети, когда она хорошо функциони-
рует на примерах обучающей выборки, но плохо – на тестовых примерах, подчиненных тому
же статистическому распределению.
Контрольные вопросы к разделу 2.1
1. Что такое "искусственные нейронные сети" (ИНС)?
2. Приведите пример использования ИНС для распознавания образов?
3. Сформулируйте несколько принципиальных отличий в обработке информации в мозге
человека и в обычной вычислительной машине.
4. Сравните машину фон Неймана и биологическую нейронную систему.
5. Расскажите о биологическом нейроне и о его математической модели – искусствен-
ном нейроне.
6. Расскажите о полносвязных и многослойных нейронных сетях.
7. Какие сети выделяют среди многослойных нейронных сетей?
8. Расскажите, для чего применяется процесс обучения нейронных сетей.
9. Какие существуют парадигмы обучения ИНС?
2.2. СИСТЕМЫ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА
В понятие "искусственный интеллект" вкладывается различный смысл – от признания
интеллекта у ЭВМ, решающих логические или даже любые вычислительные задачи, до отне-
сения к интеллектуальным лишь тех систем, которые решают весь комплекс задач, осущест-
вляемых человеком, или еще более широкую их совокупность. Мы постараемся вычленить
тот смысл понятия "искусственный интеллект", который в наибольшей степени соответству-
ет реальным исследованиям в этой области.
Как отмечалось, в исследованиях по искусственному интеллекту ученые отвлекаются от
сходства процессов, происходящих в технической системе или в реализуемых ею програм-
мах, с мышлением человека. Если система решает задачи, которые человек обычно решает
посредством своего интеллекта, то мы имеем дело с системой искусственного интеллекта.
Однако это ограничение недостаточно. Создание традиционных программ для ЭВМ –
работа программиста – не есть конструирование искусственного интеллекта. Какие же зада-
чи, решаемые техническими системами, можно рассматривать как проявление искусственно-
го интеллекта?
Чтобы ответить на этот вопрос, надо уяснить прежде всего, что такое задача. Как отме-
чают психологи, этот термин тоже не является достаточно определенным. По-видимому, в
качестве исходного можно принять понимание задачи как мыслительной задачи, сущест-
вующее в психологии. Они подчеркивают, что задача есть только тогда, когда есть работа

Страницы