Искусственные нейронные сети. (Лекция 1)

Содержание

Слайд 2

Natural Computing Алгоритмы коллективного разума(поведения): - роевые алгоритмы - муравьиные алгоритмы

Natural Computing

Алгоритмы коллективного разума(поведения):
- роевые алгоритмы
- муравьиные алгоритмы
-

алгоритмы движения частиц
- бактериальные алгоритмы
Новые перспективные направления:
- квантовые вычисления (нейронные сети, компьютеры)
- ДНК – вычисления ( компьютеры )
Слайд 3

Свойства ИНС : 1. Адаптивное обучение: способность улучшать свои характеристики, заложенная

Свойства ИНС :
1. Адаптивное обучение: способность улучшать свои характеристики,
заложенная в том

или ином алгоритме настройки параметров сети,
отрабатывающем предъявленные ей обучающие последовательности либо
использующем имеющийся опыт;
2. Самоорганизация: ИНС способны изменять свою структуру (архитектуру)
или форму представления информации;
3. Обобщение: после окончания процесса обучения сеть может быть
нечувствительной и незначительным изменениям входных сигналов, что
позволяет применять ее при зашумленных либо не полностью заданных данных;
4. Вычисления в реальном времени: нейросетевые вычисления могут
осуществляться параллельно во времени, что существенно увеличивает
быстродействие ИНС;
5. Устойчивость к сбоям: частичное разрушение сети ведет к потере
качества, однако некоторые ее свойства сохраняются даже в случае разрушения
большей части сети.
Слайд 4

Некоторые основные события в новейшей истории ИНС: 1943 г. – появление

Некоторые основные события в новейшей истории ИНС:

1943 г. – появление работы

У. Маккаллоха и У. Питтса, в которой исследованы свойства простейшей модели нейрона.
1949 г. – Д. Хэбб предлагает первое правило обучения ИНС.
1956 г. – первое компьютерное моделирование ИНС под руководством Н.Рочестера.
1969 г. – появление работы М. Минского и С. Пайперта, посвященной аналитическому исследованию свойств персептрона.
1974 г. – в диссертации П. Вербоса предложена процедура обучения многослойных сетей.
1987 г. – создание первого нейрочипа под руководством Дж. Хопфилда.
Слайд 5

Рис. 1. Поверхность, описываемая уравнением (1), при β(k) =1. где β(k)

Рис. 1. Поверхность, описываемая уравнением (1), при β(k) =1.

где β(k) –

изменяемый во времени параметр, задающий степень
нестационарности.

(1)

Слайд 6

Рис. 2. Поверхность, описываемая уравнением (1), при β(k) =0,1.

Рис. 2. Поверхность, описываемая уравнением (1), при β(k) =0,1.

Слайд 7

Рис. 3. Поверхности, восстановленная с помощью 36 сетей РБО

Рис. 3. Поверхности, восстановленная с помощью 36 сетей РБО

Слайд 8

(2) Рис. 4. Поверхность, восстановленная с помощью МП.

(2)

Рис. 4. Поверхность, восстановленная с помощью МП.

Слайд 9

г) слой 3 д) слой 4 Рис.5. Кодирование изображения с помощью


г) слой 3 д) слой 4
Рис.5. Кодирование изображения с помощью

сети СМАС

а)



б) слой 1

в) слой 2


Слайд 10

Рис.6 Схема идентификации

Рис.6 Схема идентификации

Слайд 11

Рис.7. Нейросетевая модель

Рис.7. Нейросетевая модель

Слайд 12

Рис.7. Структура системы адаптивного управления

Рис.7. Структура системы адаптивного управления

Слайд 13

. (3) а) б) Рис. 8 Результаты идентификации нелинейного объекта (3)

. (3)

а) б)

Рис. 8 Результаты идентификации нелинейного объекта (3)

Слайд 14

Рис. 9. Результаты управления нелинейным объектом (3)

Рис. 9. Результаты управления нелинейным объектом (3)

Слайд 15

а) Зашумленный сигнал б) ρ = 5 в) ρ = 20. Рис. 10 Фильтрация сигнала sin(x)


а) Зашумленный сигнал б) ρ = 5

в) ρ = 20.
Рис. 10

Фильтрация сигнала sin(x)
Слайд 16

а) б) → → → в) ρ=40 г) ρ=20 д) ρ=10


а) б)




в) ρ=40 г) ρ=20 д) ρ=10 е) ρ=5
Рис. 11.

Фильтрация изображений
Слайд 17

Рис. 12 – Исходное (а) и сжатое при помощи СОК (б) изображение

Рис. 12 – Исходное (а) и сжатое при помощи СОК (б)

изображение
Слайд 18

Рис. 13. Модель З.Фрейда

Рис. 13. Модель З.Фрейда

Слайд 19

Рис. 14. Карта коры головного мозга человека

Рис. 14. Карта коры головного мозга человека

Слайд 20

Рис. 15. Специализация зон коры мозга

Рис. 15. Специализация зон коры мозга

Слайд 21

Рис. 16. Нейрон

Рис. 16. Нейрон

Слайд 22

Рис. 17. Синапс

Рис. 17. Синапс

Слайд 23

Рис. 18. Виды синапсов

Рис. 18. Виды синапсов

Слайд 24

Рис. 19. Процесс распространения импульса

Рис. 19. Процесс распространения импульса