Заглавная страница Избранные статьи Случайная статья Познавательные статьи Новые добавления Обратная связь КАТЕГОРИИ: АрхеологияБиология Генетика География Информатика История Логика Маркетинг Математика Менеджмент Механика Педагогика Религия Социология Технологии Физика Философия Финансы Химия Экология ТОП 10 на сайте Приготовление дезинфицирующих растворов различной концентрацииТехника нижней прямой подачи мяча. Франко-прусская война (причины и последствия) Организация работы процедурного кабинета Смысловое и механическое запоминание, их место и роль в усвоении знаний Коммуникативные барьеры и пути их преодоления Обработка изделий медицинского назначения многократного применения Образцы текста публицистического стиля Четыре типа изменения баланса Задачи с ответами для Всероссийской олимпиады по праву Мы поможем в написании ваших работ! ЗНАЕТЕ ЛИ ВЫ?
Влияние общества на человека
Приготовление дезинфицирующих растворов различной концентрации Практические работы по географии для 6 класса Организация работы процедурного кабинета Изменения в неживой природе осенью Уборка процедурного кабинета Сольфеджио. Все правила по сольфеджио Балочные системы. Определение реакций опор и моментов защемления |
Характеристика моделей нейронных сетей. 2Стр 1 из 6Следующая ⇒
Характеристика моделей нейронных сетей. 2 Характеристика основных направлений в исследованиях по искусственному интеллекту. 3 Знания и модели их представления. 3 Логические модели представления знаний. 4 Продукционные модели представления знаний. 4 Сетевые модели представления знаний (семантические сети) 5 Характеристика экспертных систем.. 6 Фреймовые модели представления знаний. 6 Обобщенная структура экспертной системы.. 7 Характеристика многослойных однонаправленных сетей. 7 Характеристика полносвязных сетей Хопфилда. 8 Характеристика двухнаправленной ассоциативной памяти. 9 Характеристика самоорганизующихся сетей Кохонена. 10 Области применения нейроинформатики. 11 Искусственный нейрон. Схема, основные блоки и функции. 11 Знания и модели их представления. 12 Фреймовые модели представления знаний. 13 Обобщенная структура экспертной системы.. 13 Характеристика моделей нейронных сетей. 14 Области применения нейроинформатики. 15
Характеристика основных направлений в исследованиях по искусственному интеллекту. Интеллект – способность субъетка или объекта находить решения конкретных задач, для которых может и не существовать стандартных, заранее известных алгоритмов. ИИ – это свойство автоматической системы брать на себя отдельные функции интеллекта человека. Система искусственного интеллекта (СИИ) – система, которая может решать различные, в том числе творческие, задачи, причем эта грань довольно тонкая. В современных СИИ рассматривается 3 направления: 1)Программно-прагматическое (человек, разрабатывая различные инструментальные средства, создавая СИИ, решает задачи, которые считаются творческими и интеллектуальными); 2)Бионическое (в рамках бионического направления учеными создается субстанция, схожая по своей структуре, составу и функциям с естественным интеллектом); 3)Комбинированное (объединяет (1) и (2)). К области применения ИИ относятся восприятия и распознавание образов, автоматическое доказательство математических терем, игры, решение задач, понимание естественных языков. В соответствии с этим можно выделить следующие направления в исследованиях по искусственному интеллекту:
Восприятие и распознавание образов. Техническим аналогом зрения выступают телекамеры и лазеры, работа которых напрямую связана с программами распознавания и анализа изображения. Это направление включает разработку методов представления информации о зрительных образах в базе знаний, создание методов перехода от зрительных сцен к их текстовому описанию и методов обратного перехода и т.д. Понимание естественных языков. Формируются методы построения лингвистических процессов, вопросно – ответных систем, диалоговых систем и других интеллектуальных систем, целью которых является обеспечение комфортных условий для общения человека с системой искусственного интеллекта. Решение задач. Р азрабатываются методы формирования условий задач по описанию проблемной ситуации или по наблюдению за ней, методы перехода от известного решения частных задач (примеров) к решению общей задачи, создание приемов декомпозиции исходной задачи на более мелкие и уже известные для интеллектуальных систем. Моделирование поведения. Это направление рассматривает данные о нейрофизиологических и психологических механизмах интеллектуальной деятельности, а в более широком плане— разумном поведении. Представление и манипулирование знаниями. Решаются задачи, связанные с формализацией и представлением знаний в памяти системы ИИ. Для этого разрабатываются специальные модели представления знаний и языки описания знаний, внедряются различные типы знаний.
Классификация ЭС. 1) по решаемым задачам • интерпретация данных (одна из традиц.задач ЭС – опр.смысла данных, рез-ты которого д.б.согласованными и корректными). • диагностика (обнаруж.неисправности в некот.системе. Неисправность – отклонение от нормы) • мониторинг (наблюдение и обследование, а также непрерывная интерпретация данных в реальном времени. Если опр.пар-ры выйдут за пределы, сигнализация!!) • проектирование (подготовка спецификаций на создание объектов с заранее опр.св-вами) • прогнозирование (логический вывод вероятных следствий из заданных ситуаций)
• планирование (нахождение плана действий, относ.к объектам, способных выполнить некот.функции) • обучение (самый простой вариант – диагностирование ошибки при обучении дисциплины и подсказка, как действовать дальше. Они аккумулируют знание об «ученике», их характ.ошибках, а затем на основе анализа находят соотв.подходы к обучению и планируют алгоритм обучения). 2) по связи с реальным временем (статические, квазидинамически, динамические) 3) по типу компьютера, для кот.реал.ЭС 4) по степени интеграции с др.программами и системами
Типы: Линейная передаточная функция Сигнал на выходе нейрона линейно связан со взвешенной суммой сигналов на его входе. , где t — параметр функции. В искусственных нейронных сетях со слоистой структурой нейроны с передаточными функциями такого типа, как правило, составляют входной слой. Кроме простой линейной функции могут быть использованы её модификации. Например, полулинейная функция (если её аргумент меньше нуля, то она равна нулю, а в остальных случаях, ведет себя как линейная) или шаговая (линейная функция с насыщением), которую можно выразить формулой При этом возможен сдвиг функции по обеим осям. Недостатками шаговой и полулинейной активационных функций относительно линейной можно назвать то, что они не являются дифференцируемыми на всей числовой оси, а значит не могут быть использованы при обучении по некоторым алгоритмам. Пороговая передаточная функция. Другое название — Функция Хевисайда. Представляет собой перепад. До тех пор пока взвешенный сигнал на входе нейрона не достигает некоторого уровня — сигнал на выходе равен нулю. Как только сигнал на входе нейрона превышает указанный уровень — выходной сигнал скачкообразно изменяется на единицу. Сигмоидальная передаточная функция. Использование сигмоидальных функций позволило перейти от бинарных выходов нейрона к аналоговым. В число других передаточных функций входят такие как: Экспонента ; Тригонометрический синус; Модульная: ; Квадратичная.
Характеристика моделей нейронных сетей. 2
|
||||||
Последнее изменение этой страницы: 2017-02-21; просмотров: 239; Нарушение авторского права страницы; Мы поможем в написании вашей работы! infopedia.su Все материалы представленные на сайте исключительно с целью ознакомления читателями и не преследуют коммерческих целей или нарушение авторских прав. Обратная связь - 3.128.204.140 (0.01 с.) |