Biologica si retelelor neuronale artificiale cortexul este format din multitudinea
Cortexul constă dintr-un set mare de elemente-ing simple - neuroni, al căror număr este aproximativ egal cu 10 - numărul de stele din Calea Lactee. Fiecare neuron este conectat la mai multe mii-syachami alti neuroni, prin fibrele nervoase care transmit impulsuri electrice. Astfel, creierul uman co-deține aproximativ 10 interconexiuni. O structură extrem de complexă a relațiilor dintre elementele relativ simple este tocmai una dintre cele mai importante „know-how“ al gândirii umane.
Fiecare neuron are procese de fibre nervoase de două tipuri: dendrite, la care celula primește intrare signa electrice CONTEXT singur axon și transmiterea mesajului de ieșire către alte-ronam în acesta. dendritele Axon conectate cu alți neuroni prin formare speciale - sinapsele care pot mări sau micșora puterea impulsului transmis. Schematic prezentat în figura de mai jos:
impulsuri primite din axonii altor neuroni trec prin B diurn pe dendritelor, schimbarea puterii sale, și venind în corpul neuronului. Es în cazul în care semnalul sumă depășește un anumit prag critic, „Salo-Adjoint“ în corpul unui neuron, acesta este activat și transmite un impuls de ieșire de-a lungul Axon la următorul neuron. Este esențial ca „lățime de bandă“ a sinapselor - capacitatea de a spori sau un semnal viespile este slăbit - se poate schimba în timp, care se schimbă comportamentul neuron ca un întreg. Este „setarea“ bufnițelor-lățime de bandă sinaptice este un mecanism de învățare major în creierul uman.
Acest mecanism poate fi prezentat într-o formă formalizată, tradus în limbajul matematicii. Notăm impulsurile de intrare prin intensificarea pe axonii altor neuroni, x1, x2, simboluri x2. xn. C-diurn, în acest caz, va juca rolul de coeficienți de greutate w1 w2, w2. wn. Trecând prin sinapse, semnalele primite schimba puterea și formează un semnal sumă x = w1x1 + w2x2 + w2x2 +. + W "x".
Acum urmează neuron „a decide“ dacă suma depășește semnalul de intrare este conductor anumit prag. Matematic, acest lucru poate fi reprezentat ca o transformare a semnalului de intrare, în conformitate cu o rezistență caracteristică / SHF specifică a semnalului care își încetează activitatea y = f (x) =
f (w, c, + I / 1 / L + și / A +. +. + w "x") 1
Separate artificiale (formal) neuroni împreună într-o rețea neuronală artificială. Semnalul obținut de la rețeaua de ieșire (numită uneori „rețea de răspuns“), va fi determinat nu numai funcții și greutăți de neuroni sale constitutive, dar, de asemenea, modul legate de neuro-HN. Structura conexiunilor dintre neuroni se numește arhitectura de rețea etsya.
Există două clase principale de arhitecturi de rețea:
1. rețele Layered (rețea backpropagation). Ca numele acestei arhitecturi, neuronii din ea sunt aranjate în mai multe straturi. Neuronilor din primul strat obținut semnale de intrare, le converti și transmiterea neuronilor în al doilea strat. Apoi, a declanșat cu un al doilea strat și așa mai departe până la ultimul strat, care emite „rețea de răspuns“ finală pentru utilizator. De obicei, fiecare strat neuron / (anterior) este conectat la fiecare neuron de strat i + 1 (următor). Numărul de neuroni din fiecare strat individual și nu în avans din cauza numărului de neuroni din alte straturi. Cele mai multe curse, de rețea cu trei straturi voluminos format din straturi de intrare, ascunse și de ieșire. Diagrama schematică a unei arhitecturi de rețea este prezentată în Fig.
2. Comunicare în rețea completă. Într-o astfel de arhitectură de rețea con-toate neuronii sunt interconectate: fiecare dintre ele transmite semnalul de ieșire către toate neuronii rețelei, inclusiv în sine. Răspunsul este bazat pe rețea ing semnalele mai multor sau a tuturor neuronilor după mai multe cicluri ale rețelei.
În activitatea practică cu rețele neuronale pe un calculator personal nu este necesară pentru a construi o rețea de „de la zero“. Programele speciale au deja un set standard de arhitecturi, care corespund diferitelor tipuri de sarcini. De obicei, este suficient pentru a selecta arhitectura-tabără standard și ajustați-l (de obicei, de a elimina depozitele de exces), în conformitate cu problema care trebuie rezolvată.
După cum sa menționat deja, baza pentru conceptul de soții rețele neuronale polo postulează că complexitatea creierului este determinată de conexiunile dintre neuroni, care pot fi modelate folosind simple de auto-rogojini. Este cunoscut faptul că cantitatea de informații transmise între neuroni, este foarte mică (câțiva biți), și SKO-creștere de semnalizare de milioane de ori mai puțin decât în procesoare electronice moderne. Prin urmare: 1) creierul rezolvă problema nu de serie secvențială de interacțiuni, și lansarea unor programe de mai multe pas-paralele; 2) informațiile principale nu sunt transmise în mod direct, ci este capturat și distribuite în conexiunile dintre neuroni. Cu unele exagerare, putem spune că abordarea rețelei neuronale a implementat principiul „structurii de comunicare - toate proprietățile elementelor - nimic.“
Această proprietate a permis să pună în practică mod citatea de învățare automată de exemplu. Unicitatea neuronale lo-dren este faptul că rezolvă diferite sarcini, în conformitate cu algoritmi care nu sunt încorporate în acestea, inițial, software și algoritmi care se produc, de învățare pe setul de exemple.
Diferențele dintre aparatul de calcul „clasice“ (von Neumann) și biologice neuronale se-tyami, principiile de organizare, care au fost adoptate de către INS, sistematizate în tabelul următor:
Sistemul neuronale biologice