14. Нейронні мережі ,штучний інтелект

Ідея нейронних мереж виникла в результаті спроб змоделювати діяльність людського мозоку. Мозок сприймає впливи ззовні та намагається використовуючи пам’ять навчитися на власному досвіді.

Штучні нейронні мережі(ШНМ)- це математичні методи моделі,а також їх програмні або апаратні реалізації,побудовані за принципом організії й функціонування біологічних нейронних мереж- мереж нервових кліток живого організму

Біологічна модель

Аксон - зазвичай довгий відросток, пристосований для проведення збудження від тіла нейрона. Дендрити - як правило, короткі і сильно розгалужені відростки, які служать головним місцем утворення збуджуючих і гальмівних синапсів (різні нейрони мають різне співвідношення довжини аксона і дендритів). Нейрон може мати кілька дендритів і зазвичай тільки один аксон. Один нейрон може мати зв'язки з десятками тисяч інших нейронів.

Структура штучного нейрона

Нейрон є складовою частиною нейронної мережі. Він складається з елементів трьох типів: синапсів,суматора і нелінійного перетворювача

Синапси здійснюють звз’язок між нейромами,множать вхідний сигнал на число,що характеризує силу зв’язку

Суматор виконує додавання сигналів,що надходять по синаптичним зв1язках від інших нейронів і зовнішніх вхідних сигналів

Нелінійний перетворювач реалізує нелінійну функцію одного аргументу-виходу суматора. Ця функція наз функцією активації чи переданною фунцією нейрона

Математична модель штучного нейрона :

Архітектура Нейронної мережі(класифікація)

Нейромережі є групуванням штучних нейронів. це групування обумовлене створенням з’єднаних між собо. Прошарків

Три нормальні прошарки: вхідний,прихований,вихідний

Прошарок вхідних нейронів отримує дані або з вхідних файлі і або безпосередньо з електронних давачів

Вихідний прошарок пересилає інформацію безпосередньо до зовнішнього середовища,до вторинного комп’ютерного процесу або до інших пристроїв

Між цими двома прошарками може бути багато прихованих прошарків,які містять багато нейронів у різноманітних зв’язаних структурах

Входи та виходи кожного з прихованих нейронів йдуть до інших нейронів

Основні типи нейронних мереж:

Багатошарові мережі розповсюдження

Полнозвв’язні мережі

Клітинні нейронні мережі

Мережі Кохонена

Навчання штучної нейронної мережі

«з вчителем» - нейромережа має у своєму розпорядженні правильні відповіді на кожен вхідний приклад.Ваги налаштовуються так щоб мережа виробляла відповідні як можно більш близькі до відомих правильних відповідей

«без вчителя»- не вимагає знання правильних відповідей на кожен приклад навчальної вибірки.У цьому випадку розкривається внутрішня структура даних та кореляція між зразками в начальніх множині,що дозволяє розподілити зразки по категоріях

Змішана- частина ваг визначається за допомогою навчання зі вчителем,у той час я к інша визначається за допомогою самонавчання.

Правила навчання

Правило Хеба

Правило Хопфілда

Правило дельта

Правило градієнтного спуску

Навчання методом змагання

Штучний інтелект- розділ комп'ютерної лінгвістики та інформатики, що займається формалізацією проблем та завдань, які нагадують завдання, виконувані людиною. При цьому, у більшості випадків алгоритм розв'язання завдання невідомий наперед

Напрямки: нейрокібернетика(повинен відтворювати структуру людського мозку) і кібернетика чорного ящика(на задані вхідні данні реагував так,як людський мозок)

Можно розділити 3 способи реалізації нейромереж

Апаратний

Програмний

Гібридний

У наш час нейрокібернетика розвивається в напрямку нейрокомп’ютерів і головним завдання є розпізнавання образів.

Зрозуміти алгоритм людського мозку дуже складно. Виникає проблема його зберігання й пошуку потрібного шляху,тому застосовуються евристики.

Евристика- правило,теоретично не обґрунтоване,але так що дозволяє скоротити перебір у дереві рішень.

З’явилось поняття експертна система або система заснована на знаннях

Основні завдання ШІ:

1)Розробка створення ЕС(програм, які використовують спеціалізовані бази знань для отримання достовірних висновків щодо довільної проблеми.)-основний напрямок ШІ

Вимагає рішення двох завдань : розробка моделей подання знань,створення баз знань

2)Ігри і творчість(шахи,карткові ігри)

3)Роробка природно мовних інтерфейсів

4)Розпізнавання образів

1. Поняття моделі даних. Поняття бази даних. Поняття систем керування базами даних.

2. Структура БД MS Access. Порядок проектування БД.

3.Збір та аналіз інформації за допомоги реляційних баз даних. Створення таблиць та зв язків між ними.

4.Основні поняття про моделі даних та бази даних (БД).

5.Метод найменших квадратів та приклади його застосування в екології.

6.Метод прямокутників та метод трапецій обчислення визначених інтегралів.

7)Модель Мальтуса. Модель Ферхюльста.

8) Модель «хижак-жертва».

9. Загальна модель біологічних ресурсів. Правильне керування скороченням споживання біологічних ресурсів.

10)Лінійне програмування. Задача о сумішах. Транспортна задача.

11. Склад експертної системи. Етапи розробки експертної системи.

12) Огляд видів експертних систем та їх класифікація. Область застосування експертних систем.

13. Експертні системи в екології.

14. Нейронні мережі ,штучний інтелект