Нейросетевые технологии. Каширина И.Л. - 5 стр.

     В 1989 г. разработки и исследования в области ИНС и НК ведутся
практически всеми крупными электротехническими фирмами. Нейроком-
пьютеры становятся одним из самых динамичных секторов рынка (за два
года объем продаж вырос в пять раз).
     В 1997 г. годовой объем продаж на рынке ИНС и НК превысил 2 млрд
долларов, а ежегодный прирост составил 50 %.
     В 2000 г. благодаря переходу на субмикронные и нанотехнологии, а
также успехам молекулярной и биомолекулярной технологии происходит
переход к принципиально новым архитектурным и технологическим ре-
шениям по созданию нейрокомпьютеров.

      Основные проблемы, решаемые искусственными нейронными
                              сетями

     Классификация образов. Задача состоит в указании принадлежности
входного образа, представленного вектором признаков, одному или не-
скольким предварительно определенным классам. К известным приложе-
ниям относятся распознавание букв, распознавание речи, классификация
сигнала электрокардиограммы, классификация клеток крови, задачи рей-
тингования.
     Кластеризация/категоризация. При решении задачи кластеризации,
которая известна также как классификация образов без учителя, отсутству-
ет обучающая выборка с образцами классов. Алгоритм кластеризации ос-
нован на подобии образов и размещает близкие образы в один кластер. Из-
вестны случаи применения кластеризации для извлечения знаний, сжатия
данных и исследования свойств данных.
     Аппроксимация функций. Предположим, что имеется обучающая вы-
борка ((X1, Y2), (X2, Y2), ..., (XN, YN)), которая генерируется неизвестной
функцией, искаженной шумом. Задача аппроксимации состоит в нахожде-
нии оценки этой функции.
     Предсказание/прогноз. Пусть заданы N дискретных отсчетов
{y(t1),y(t2), ..., y(tn)} в последовательные моменты времени t1, t2, ..., tn. Зада-
ча состоит в предсказании значения y(tn+1) в момент tn+1. Прогнозы имеют
значительное влияние на принятие решений в бизнесе, науке и технике.
     Оптимизация. Многочисленные проблемы в математике, статистике,
технике, науке, медицине и экономике могут рассматриваться как пробле-
мы оптимизации. Задачей оптимизации является нахождение решения, ко-
торое удовлетворяет системе ограничений и максимизирует или миними-
зирует целевую функцию.
     Каким образом нейронная сеть решает все эти, часто неформализуе-
мые или трудно формализуемые задачи? Как известно, для решения таких
задач традиционно применяются два основных подхода. Первый, основан-
                                        5