Физические основы нейронных сетей и сенсорных систем

Сентябрь 14, 2022

Главная
Алгебра
Физические основы нейронных сетей и сенсорных систем

Содержание

2. План занятия Сенсорные системы и сети: определение; примеры применения. Искусственные нейронные сети: определение; примеры применения.
3. Зачем это вообще? Цель курса — познакомить вас с двумя группами актуальных и востребованных технологий: В
4. Зачем это вообще? Карл Маркс и Фридрих Энгельс — это не муж и жена, а четыре
5. План занятия Сенсорные системы и сети: определение; примеры применения. Искусственные нейронные сети: определение; примеры применения.
6. Сенсоры Преобразователь физической величины — устройство, предназначенное для восприятия и преобразования контролируемой физической величины в выходной
7. Сенсоры Датчик — средство измерений, предназначенное для выработки сигнала измерительной информации в форме, удобной для передачи,
8. Сенсоры Окружающий мир Вычислительные системы Датчик
9. Сенсоры Виды датчиков (классификация неполная): температуры; давления; влажности; радиоактивности; вибрации; ускорения (акселерометр); положения (на основе гироскопа);
10. Сенсорные системы и сети А что если взять и объединить множество датчиков? В современном мире чаще
11. Сенсорные системы и сети Несколько различных датчиков, объединенных в систему — смартфон.
12. Сенсорные системы и сети Несколько различных датчиков, объединенных в систему — смартфон. «датчик прикосновения» — сенсорный
13. Сенсорные системы и сети Географически распределенная система из большого количества датчиков — беспроводные (всепроникающие) сенсорные сети.
14. Сенсорные системы и сети ITU-T Y.2221: Сенсорный узел — устройство, состоящее из датчика (и опционально —
15. Сенсорные системы и сети
16. Сенсорные системы и сети ITU-T Y.2221: Сенсорная сеть — сеть, включающая в себя связанные друг с
17. Сенсорные системы и сети
18. Сенсорные системы и сети
19. План занятия Сенсорные системы и сети: определение; примеры применения. Искусственные нейронные сети: определение; примеры применения.
20. Сенсорные системы и сети Мониторинг параметров окружающей среды (температура, вибрации, содержание вредных веществ в атмосфере) на
21. Сенсорные системы и сети Мониторинг температуры, освещенности, силы и направления ветра, влажности воздуха и почвы в
22. Сенсорные системы и сети Мониторинг состояния здоровья человека (в больнице, дома, на поле боя).
23. Сенсорные системы и сети «Умный дом» — следующий шаг в развитии USN, сочетание в одной системе
24. О чем будут лекции? Примерные темы последующих лекций, практических и лабораторных работ: (?) История развития сенсорных
25. План занятия Сенсорные системы и сети: определение; примеры применения. Искусственные нейронные сети: определение; примеры применения.
26. Искусственные нейронные сети Искусственные нейронные сети — математические модели, а также их программные или аппаратные реализации,
27. Биологические нейронные сети Нервная система человека построена из нейронов — клеток, способных (помимо прочего) принимать, обрабатывать
28. Биологические нейронные сети Объединенные аксонами нейроны образуют в мозге человека сложную сеть. Каждая связь между нейронами
29. А как бы нам это использовать? Человеческий мозг справлялся лучше компьютеров с большим числом задач. Но:
30. А как бы нам это использовать? Применение искусственных нейронных сетей: Распознавание графических образов, речи. Классификация графических
31. Искусственные нейронные сети На основе данных принципов строятся искусственные нейронные сети:
32. Искусственные нейронные сети Характеристики ИНС: Несколько слоев сети (внешние и скрытые). Коэффициенты каждой связи. В каждом
33. Искусственные нейронные сети Как найти коэффициенты связей и параметры пороговой функции? Биологические нейронные сети:
34. Искусственные нейронные сети Как найти коэффициенты связей и параметры пороговой функции? Биологические нейронные сети: Обучение. Искусственные
35. Искусственные нейронные сети Как найти коэффициенты связей и параметры пороговой функции? Биологические нейронные сети: Обучение. Искусственные
36. Искусственные нейронные сети Обучение нейронной сети: Начальные параметры выбираются на основе экспертного мнения или случайно. Существует
37. Искусственные нейронные сети Метод обратного распространения ошибки — один из методов подбора весов:
38. План занятия Сенсорные системы и сети: определение; примеры применения. Искусственные нейронные сети: определение; примеры применения.
39. Применение ИНС Deep Dream от Google:
40. Применение ИНС Deep Dream от Google:
41. Применение ИНС
42. Серьезные применения ИНС Применение искусственных нейронных сетей: Распознавание графических образов, речи. Классификация графических образов и др.
44. Скачать презентацию

Слайд 2

План занятия
Сенсорные системы и сети:
определение;
примеры применения.
Искусственные нейронные сети:
определение;
примеры применения.

Слайд 3

Зачем это вообще?
Цель курса — познакомить вас с двумя группами актуальных

и востребованных технологий:
В любом современном высокотехнологичном продукте или сервисе используются либо сенсорные системы и сети, либо искусственные нейронные сети, либо и то, и другое.

Слайд 4

Зачем это вообще?
Карл Маркс и Фридрих Энгельс — это не муж

и жена, а четыре совершенно разных человека.
Сенсорные системы и искусственные нейронные сети — это разные группы технологий, поэтому и курс будет делиться на две равные и мало связанные друг с другом части:
1. Сенсорные системы и сети.
2. Искусственные нейронные сети.

Слайд 5

План занятия
Сенсорные системы и сети:
определение;
примеры применения.
Искусственные нейронные сети:
определение;
примеры применения.

Слайд 6

Сенсоры
Преобразователь физической величины — устройство, предназначенное для восприятия и преобразования контролируемой

физической величины в выходной сигнал (ГОСТ Р 51086-97).
Первичный измерительный преобразователь (sensor) — устройство, используемое при измерении,
которое обеспечивает на выходе величину, находящуюся в определенном соотношении с входной величиной,
и на которое непосредственно воздействует явление, физический объект или вещество, являющееся носителем величины, подлежащей измерению (ГОСТ Р 8.673-2009).

Слайд 7

Сенсоры
Датчик — средство измерений, предназначенное для выработки сигнала измерительной информации в

форме, удобной для передачи, дальнейшего преобразования, обработки и (или) хранения, но не поддающейся непосредственному восприятию наблюдателем (ГОСТ Р 51086-97).
Датчик — конструктивно обособленное устройство, содержащее один или несколько первичных измерительных преобразователей (ГОСТ Р 8.673-2009).
Слово «сенсор» в настоящий момент в русском языке используется как синоним слова «датчик».

Слайд 8

Сенсоры
Окружающий мир Вычислительные системы
Датчик

Слайд 9

Сенсоры
Виды датчиков (классификация неполная):
температуры;
давления;
влажности;
радиоактивности;
вибрации;
ускорения (акселерометр);
положения (на основе гироскопа);
и другие.

Слайд 10

Сенсорные системы и сети
А что если взять и объединить множество датчиков?
В

современном мире чаще используются не единичные датчики, а их совокупности:
Несколько различных датчиков, объединенных в систему.
Географически распределенная система из большого количества датчиков 1-2 типов.

Слайд 11

Сенсорные системы и сети
Несколько различных датчиков, объединенных в систему — смартфон.

Слайд 12

Сенсорные системы и сети
Несколько различных датчиков, объединенных в систему — смартфон.
«датчик

прикосновения» — сенсорный экран;
микрофон;
«датчик» GPS;
сканер отпечатка пальца;
датчик освещенности;
датчик приближения;
акселерометр и/или гироскоп;
магнитометр (компас);
камера (слежение за взглядом).

Слайд 13

Сенсорные системы и сети
Географически распределенная система из большого количества датчиков —

беспроводные (всепроникающие) сенсорные сети.
«умный дом»;
системы контроля промышленных объектов;
контроль автотрафика;
контроль проникновения на территорию;
контроль экологических параметров;
ресурсосбережение.

Слайд 14

Сенсорные системы и сети
ITU-T Y.2221:
Сенсорный узел — устройство, состоящее из датчика

(и опционально — актора) и оборудования для обработки и передачи информации:

Слайд 15

Сенсорные системы и сети

Слайд 16

Сенсорные системы и сети
ITU-T Y.2221:
Сенсорная сеть — сеть, включающая в себя

связанные друг с другом по проводным или беспроводным каналам сенсорные узлы, осуществляющие пересылку данных друг другу.
Беспроводная сенсорная сеть
Всепроникающая сенсорная сеть (Ubiquitous sensor network, USN) — концептуальная интеллектуальная сеть, построенная поверх существующих сетей связи и предоставляющая данные от множества сенсоров в любое время, в любом месте и любому потребителю.

Слайд 17

Сенсорные системы и сети

Слайд 18

Сенсорные системы и сети

Слайд 19

План занятия
Сенсорные системы и сети:
определение;
примеры применения.
Искусственные нейронные сети:
определение;
примеры применения.

Слайд 20

Сенсорные системы и сети
Мониторинг параметров окружающей среды (температура, вибрации, содержание вредных

веществ в атмосфере) на различных индустриальных объектах.

Слайд 21

Сенсорные системы и сети
Мониторинг температуры, освещенности, силы и направления ветра, влажности

воздуха и почвы в сельском хозяйстве.

Слайд 22

Сенсорные системы и сети
Мониторинг состояния здоровья человека (в больнице, дома, на

поле боя).

Слайд 23

Сенсорные системы и сети
«Умный дом» — следующий шаг в развитии USN,

сочетание в одной системе сенсоров и акторов

Слайд 24

О чем будут лекции?
Примерные темы последующих лекций, практических и лабораторных работ:
(?)

История развития сенсорных систем.
Физические принципы, лежащие в основе различных датчиков. Критерии выбора датчиков для решения практических задач.
Принципы работы протоколов беспроводной передачи данных для сенсорных сетей (физический и канальный уровень). Критерии выбора протоколов для решения практических задач.
(?) Обзор существующих технологий и платформ для создания сенсорных систем.
Интернет вещей — обзор приложений.

Слайд 25

План занятия
Сенсорные системы и сети:
определение;
примеры применения.
Искусственные нейронные сети:
определение;
примеры применения.

Слайд 26

Искусственные нейронные сети
Искусственные нейронные сети — математические модели, а также их

программные или аппаратные реализации, построенные по принципу организации и функционирования биологических нейронных сетей.
Биологическая нейронная сеть — совокупность нейронов, которые связаны или функционально объединены в нервной системе, выполняют специфические физиологические функции.

Слайд 27

Биологические нейронные сети
Нервная система человека построена из нейронов — клеток, способных

(помимо прочего) принимать, обрабатывать и передавать электрохимические импульсы

Слайд 28

Биологические нейронные сети
Объединенные аксонами нейроны образуют в мозге человека сложную сеть.
Каждая

связь между нейронами имеет свой вес — силу синаптической связи.
Синапсы имеют «знак» — они могут быть возбуждающими или тормозящими.
Каждый нейрон имеет «проговое значение» срабатывания — величину электрохимического воздействия на него, после которого он также передаст электрохимический импульс.

Слайд 29

А как бы нам это использовать?
Человеческий мозг справлялся лучше компьютеров с

большим числом задач. Но:
Ограниченные вычислительные возможности человеческого мозга.
Ограниченное число людей.
Когнитивные искажения.
Искусственные нейронные сети — попытка избавиться от этих недостатков при решении ряда задач.

Слайд 30

А как бы нам это использовать?
Применение искусственных нейронных сетей:
Распознавание графических образов,

речи.
Классификация графических образов и др.
Принятие решений и прогнозирование.

Слайд 31

Искусственные нейронные сети
На основе данных принципов строятся искусственные нейронные сети:

Слайд 32

Искусственные нейронные сети
Характеристики ИНС:
Несколько слоев сети (внешние и скрытые).
Коэффициенты каждой связи.
В

каждом узле — пороговая функция:

Слайд 33

Искусственные нейронные сети
Как найти коэффициенты связей и параметры пороговой функции?
Биологические нейронные

сети:

Слайд 34

Искусственные нейронные сети
Как найти коэффициенты связей и параметры пороговой функции?
Биологические нейронные

сети:
Обучение.
Искусственные нейронные сети:

Слайд 35

Искусственные нейронные сети
Как найти коэффициенты связей и параметры пороговой функции?
Биологические нейронные

сети:
Обучение.
Искусственные нейронные сети:
Тоже обучение!

Слайд 36

Искусственные нейронные сети
Обучение нейронной сети:
Начальные параметры выбираются на основе экспертного мнения

или случайно.
Существует набор данных для обучения (исходные данные, «правильный» ответ на вопрос для которых известен).
Обучающий набор данных пропускается через ИНС, вычисляется разница между известными ответами и значениями на выходе ИНС (обычно сумма квадратов).
Коэффициенты ИНС изменяются, пока не будут найдены такие коэффициенты, при которых ошибка минимальна (идеально — равна нулю, на практике — стабильна при изменении набора обучающих данных).

Слайд 37

Искусственные нейронные сети
Метод обратного распространения ошибки — один из методов подбора

весов:

Слайд 38

План занятия
Сенсорные системы и сети:
определение;
примеры применения.
Искусственные нейронные сети:
определение;
примеры применения.

Слайд 39

Применение ИНС
Deep Dream от Google:

Слайд 40

Применение ИНС
Deep Dream от Google:

Слайд 41

Применение ИНС

Слайд 42

Серьезные применения ИНС
Применение искусственных нейронных сетей:
Распознавание графических образов, речи.
Классификация графических образов

и др.
Принятие решений и прогнозирование.

Физические основы нейронных сетей и сенсорных систем

Содержание

План занятияСенсорные системы и сети:определение;примеры применения.Искусственные нейронные сети: определение;примеры применения.

Зачем это вообще?Цель курса — познакомить вас с двумя группами актуальных

Зачем это вообще?Карл Маркс и Фридрих Энгельс — это не муж

План занятияСенсорные системы и сети:определение;примеры применения.Искусственные нейронные сети: определение;примеры применения.

СенсорыПреобразователь физической величины — устройство, предназначенное для восприятия и преобразования контролируемой

СенсорыДатчик — средство измерений, предназначенное для выработки сигнала измерительной информации в

СенсорыОкружающий мир Вычислительные системыДатчик

Сенсорные системы и сетиА что если взять и объединить множество датчиков?В

Сенсорные системы и сетиНесколько различных датчиков, объединенных в систему — смартфон.

Сенсорные системы и сетиНесколько различных датчиков, объединенных в систему — смартфон.«датчик

Сенсорные системы и сетиГеографически распределенная система из большого количества датчиков —

Сенсорные системы и сетиITU-T Y.2221:Сенсорный узел — устройство, состоящее из датчика

Сенсорные системы и сети

Сенсорные системы и сетиITU-T Y.2221:Сенсорная сеть — сеть, включающая в себя

Сенсорные системы и сети

Сенсорные системы и сети

План занятияСенсорные системы и сети:определение;примеры применения.Искусственные нейронные сети: определение;примеры применения.

Сенсорные системы и сетиМониторинг параметров окружающей среды (температура, вибрации, содержание вредных

Сенсорные системы и сетиМониторинг температуры, освещенности, силы и направления ветра, влажности

Сенсорные системы и сетиМониторинг состояния здоровья человека (в больнице, дома, на

Сенсорные системы и сети«Умный дом» — следующий шаг в развитии USN,

О чем будут лекции?Примерные темы последующих лекций, практических и лабораторных работ:(?)

План занятияСенсорные системы и сети:определение;примеры применения.Искусственные нейронные сети: определение;примеры применения.

Искусственные нейронные сетиИскусственные нейронные сети — математические модели, а также их

Биологические нейронные сетиНервная система человека построена из нейронов — клеток, способных

Биологические нейронные сетиОбъединенные аксонами нейроны образуют в мозге человека сложную сеть.Каждая

А как бы нам это использовать?Человеческий мозг справлялся лучше компьютеров с

А как бы нам это использовать?Применение искусственных нейронных сетей:Распознавание графических образов,

Искусственные нейронные сетиНа основе данных принципов строятся искусственные нейронные сети:

Искусственные нейронные сетиХарактеристики ИНС:Несколько слоев сети (внешние и скрытые).Коэффициенты каждой связи.В

Искусственные нейронные сетиКак найти коэффициенты связей и параметры пороговой функции?Биологические нейронные

Искусственные нейронные сетиКак найти коэффициенты связей и параметры пороговой функции?Биологические нейронные

Искусственные нейронные сетиКак найти коэффициенты связей и параметры пороговой функции?Биологические нейронные

Искусственные нейронные сетиОбучение нейронной сети:Начальные параметры выбираются на основе экспертного мнения

Искусственные нейронные сетиМетод обратного распространения ошибки — один из методов подбора

План занятияСенсорные системы и сети:определение;примеры применения.Искусственные нейронные сети: определение;примеры применения.

Применение ИНСDeep Dream от Google:

Применение ИНСDeep Dream от Google:

Применение ИНС

Серьезные применения ИНСПрименение искусственных нейронных сетей:Распознавание графических образов, речи.Классификация графических образов

Похожие презентации

План занятия
Сенсорные системы и сети:
определение;
примеры применения.
Искусственные нейронные сети:
определение;
примеры применения.

Зачем это вообще?
Цель курса — познакомить вас с двумя группами актуальных

Зачем это вообще?
Карл Маркс и Фридрих Энгельс — это не муж

План занятия
Сенсорные системы и сети:
определение;
примеры применения.
Искусственные нейронные сети:
определение;
примеры применения.

Сенсоры
Преобразователь физической величины — устройство, предназначенное для восприятия и преобразования контролируемой

Сенсоры
Датчик — средство измерений, предназначенное для выработки сигнала измерительной информации в

Сенсоры
Окружающий мир Вычислительные системы
Датчик

Сенсорные системы и сети
А что если взять и объединить множество датчиков?
В

Сенсорные системы и сети
Несколько различных датчиков, объединенных в систему — смартфон.

Сенсорные системы и сети
Несколько различных датчиков, объединенных в систему — смартфон.
«датчик

Сенсорные системы и сети
Географически распределенная система из большого количества датчиков —

Сенсорные системы и сети
ITU-T Y.2221:
Сенсорный узел — устройство, состоящее из датчика

Сенсорные системы и сети
ITU-T Y.2221:
Сенсорная сеть — сеть, включающая в себя

План занятия
Сенсорные системы и сети:
определение;
примеры применения.
Искусственные нейронные сети:
определение;
примеры применения.

Сенсорные системы и сети
Мониторинг параметров окружающей среды (температура, вибрации, содержание вредных

Сенсорные системы и сети
Мониторинг температуры, освещенности, силы и направления ветра, влажности

Сенсорные системы и сети
Мониторинг состояния здоровья человека (в больнице, дома, на

Сенсорные системы и сети
«Умный дом» — следующий шаг в развитии USN,

О чем будут лекции?
Примерные темы последующих лекций, практических и лабораторных работ:
(?)

План занятия
Сенсорные системы и сети:
определение;
примеры применения.
Искусственные нейронные сети:
определение;
примеры применения.

Искусственные нейронные сети
Искусственные нейронные сети — математические модели, а также их

Биологические нейронные сети
Нервная система человека построена из нейронов — клеток, способных

Биологические нейронные сети
Объединенные аксонами нейроны образуют в мозге человека сложную сеть.
Каждая

А как бы нам это использовать?
Человеческий мозг справлялся лучше компьютеров с

А как бы нам это использовать?
Применение искусственных нейронных сетей:
Распознавание графических образов,

Искусственные нейронные сети
На основе данных принципов строятся искусственные нейронные сети:

Искусственные нейронные сети
Характеристики ИНС:
Несколько слоев сети (внешние и скрытые).
Коэффициенты каждой связи.
В

Искусственные нейронные сети
Как найти коэффициенты связей и параметры пороговой функции?
Биологические нейронные

Искусственные нейронные сети
Как найти коэффициенты связей и параметры пороговой функции?
Биологические нейронные

Искусственные нейронные сети
Как найти коэффициенты связей и параметры пороговой функции?
Биологические нейронные

Искусственные нейронные сети
Обучение нейронной сети:
Начальные параметры выбираются на основе экспертного мнения

Искусственные нейронные сети
Метод обратного распространения ошибки — один из методов подбора

План занятия
Сенсорные системы и сети:
определение;
примеры применения.
Искусственные нейронные сети:
определение;
примеры применения.

Применение ИНС
Deep Dream от Google:

Применение ИНС
Deep Dream от Google:

Серьезные применения ИНС
Применение искусственных нейронных сетей:
Распознавание графических образов, речи.
Классификация графических образов