Презентация "Моделирование интеллектуальных систем"

Под интеллектуальными системамисегодня понимают системы, имитирующие процесс принятия решений человеком.
Такие системы должны удовлетворять основным особенностям человеческого мышления.

Совокупность соединенных между собой нейронов
Сеть осуществляет преобразование входного сигнала с рецепторов в выходной, являющийся реакцией организма на внешнюю среду

Искусственные нейросети являются электронными моделями нейронной структуры мозга, который, главным образом, учится на опыте.

Базовым элементом мозга человека являются специфические клетки, известные как нейроны, способные запоминать, думать и применять предыдущий опыт к каждому действию, что отличает их от остальных клеток тела.

Искусственный нейрон -
базовый модуль нейронных сетей моделирующий основные функции естественного нейрона

Независимо от расположения и функционального назначения, все искусственные нейронные элементы имеют общие компоненты.

При функционировании нейрон получает множество входных сигналов одновременно. Каждый вход имеет свой собственный синаптический вес, который влияет на него и необходим для функции сумматора.

Первым действием нейрона является вычисление взвешенной суммы всех входов. Математически, входные сигналы и соответствующие им веса представлены векторами (х10, х20 ... хn0) и (w10, w20 . . . wn0). Произведение этих векторов будет общим входным сигналом. 

Упрощенной функцией сумматора является умножение каждого компонента вектора х на соответствующий компонент вектора w: вход1 = х10 * w10, вход2 = х20 * w20, и нахождение суммы всех произведений: вход1 + вход2 + . . . + вхoдn. Результатом будет одно число, а не многоэлементный вектор.

Результат функции сумматора проходит через передаточную функцию и превращается в выходной сигнал. В передаточной функции для определения выхода нейрона общая сумма сравнивается с некоторым порогом.

Если сумма больше значения порога, нейрон генерирует сигнал, в противном случае сигнал будет нулевым или тормозящим.

Объединяясь в сети, нейроны образуют системы обработки информации, которые обеспечивают эффективную адаптацию модели к постоянным изменениям со стороны внешней среды.
В процессе функционирования сети происходит преобразование входного вектора сигналов в выходной. 

При описании нейросетей используют несколько терминов, которые в разных источниках могут иметь разное трактование, в частности:
структура нейросети - способ связей нейронов в нейросети;
архитектура нейросети - структура нейросети и типы нейронов;
парадигма нейросети - способ обучения и использования; иногда содержит и понятие архитектуры.

Среди известных архитектурных решений выделяют группу слабосвязанных нейронных сетей, когда каждый нейрон сети связан лишь с соседними.

Если входы каждого нейрона связаны с выходами всех остальных нейронов, тогда речь идет про полносвязные нейросети.

Классификация нейросетейпо архитектуре связей:

Сети обратного распространения (с рекуррентными связями)

Сети прямого распространения (с однонаправленными последовательными связями)

Сеть Хопфилда
Сеть адаптивной резонансной теории
Двунаправленная сеть

Персептроны        
Сеть Back Propagation
Сеть встречного распространения
Карта Кохонена

Схема сети с обратными связями