Интеллектуальные информационные системы. Макаренко С.И. - 163 стр.

UptoLike

Составители: 

162
интерпретируемости приводят к снижению ценности полученных
результатов работы сети ввиду того что в реальных нейронных сетях,
реализуемых на базе известных программных пакетов, количество
нейронов чаще всего составляет единицы и десятки).
3. «Комбинаторный взрыв», возникающий при определении структуры
связей нейронов, подборе весовых коэффициентов и передаточных
функцийпроблема размерности»). Проблема размерности приводит
к очень жестким ограничениям на количество выходных нейронов в
сети, на количество рецепторов и на сложность структуры
взаимосвязей нейронов с сети. Достаточно сказать, что количество
выходных нейронов в реальных нейронных сетях, реализуемых на базе
известных программных пакетов, обычно не превышает несколько
сотен.
4. «Проблема линейной разделимости», возникающая потому, что
возбуждение нейронов принимают лишь булевы значения 0 или 1.
Проблема линейной разделимости приводит к необходимости
применения многослойных нейронных сетей для реализации тех
приложений, которые вполне могли бы поддерживаться сетями с
значительно меньшим количеством слоев (вплоть до однослойных),
если бы значения возбуждения нейронов были не дискретными
булевыми значениями, а континуальными значениями,
нормированными в определенном диапазоне.
Перечисленные проблемы предлагается решить путем использования
модели нелокального нейрона, обеспечивающего построение нейронных
сетей прямого счета.
16.7 Нейрокомпьютеры, нейропроцессоры, нейропакеты
Некоторые характерные черты нейрокомпьютера, который есть
надежда создать в будущем, можно указать уже теперь. Он будет:
- состоять из сетей, содержащих большое число параллельно
работающих активных элементов (до
6 8
10 10
),
- использовать ассоциативную обработку информации (храня в
памяти наборы эталонов и сравнивая с ними поступающую
информацию),
- использовать обучение вместо программирования (адаптивное
управление параметрами нейронов» и архитектурой связей в сетях).
Пока же созданы отдельные специализированные «нейрочипы»
(нейропроцессоры).
Сегодня программная эмуляция (компьютерное моделирование) пока
является основным способом моделирования нейронных сетей. Имеется
     интерпретируемости приводят к снижению ценности полученных
     результатов работы сети ввиду того что в реальных нейронных сетях,
     реализуемых на базе известных программных пакетов, количество
     нейронов чаще всего составляет единицы и десятки).
   3. «Комбинаторный взрыв», возникающий при определении структуры
      связей нейронов, подборе весовых коэффициентов и передаточных
      функций («проблема размерности»). Проблема размерности приводит –
      к очень жестким ограничениям на количество выходных нейронов в
      сети, на количество рецепторов и на сложность структуры
      взаимосвязей нейронов с сети. Достаточно сказать, что количество
      выходных нейронов в реальных нейронных сетях, реализуемых на базе
      известных программных пакетов, обычно не превышает несколько
      сотен.
   4. «Проблема линейной разделимости», возникающая потому, что
      возбуждение нейронов принимают лишь булевы значения 0 или 1.
      Проблема линейной разделимости приводит к необходимости
      применения многослойных нейронных сетей для реализации тех
      приложений, которые вполне могли бы поддерживаться сетями с
      значительно меньшим количеством слоев (вплоть до однослойных),
      если бы значения возбуждения нейронов были не дискретными
      булевыми     значениями,   а     континуальными    значениями,
      нормированными в определенном диапазоне.
    Перечисленные проблемы предлагается решить путем использования
модели нелокального нейрона, обеспечивающего построение нейронных
сетей прямого счета.

   16.7 Нейрокомпьютеры, нейропроцессоры, нейропакеты

     Некоторые характерные черты нейрокомпьютера, который есть
надежда создать в будущем, можно указать уже теперь. Он будет:
     - состоять из сетей, содержащих большое число параллельно
       работающих активных элементов (до 106 − 108 ),
     - использовать ассоциативную обработку информации (храня в
       памяти наборы эталонов и сравнивая с ними поступающую
       информацию),
     - использовать обучение вместо программирования (адаптивное
       управление параметрами нейронов» и архитектурой связей в сетях).
     Пока же созданы отдельные специализированные «нейрочипы»
(нейропроцессоры).
      Сегодня программная эмуляция (компьютерное моделирование) пока
является основным способом моделирования нейронных сетей. Имеется


                                 162