Реферат: Теория к проекту Искусственный интеллект
Литература
1. Aбу-Мустафа Я.С., Псалтис Д. Оптические нейронно-сетевые компьютеры //В мире науки, 1987. N 5. С. 42-50.
2. Барцев С.И. Некоторые свойства адаптивных сетей (программная реализация).- Красноярск: Институт физики СО АН СССР, - 1987.
3. Барцев С.И., Охонин В.А. Адаптивные сети обработки информации. - Красноярск: Институт физики СО АН СССР, 1986.
4. Гольцев А.Д. Яркостная сегментация изображения при помощи нейроподобной сети. //Автоматика - 1965 - N 5 - с. 40-50.
5. Джеффри Е. Хинтон. Как обучаются нейронные сети. // В мире науки - 1992 - N 11 - N 12 - c. 103-107.
6. Иванченко А.Г. Персептрон - системы распознавания образов. // К.: Наукова думка, 1972.
7. Картавцев В.В. Нейронная сеть предсказывает курс доллара? // Компьютеры + программы - 1993 - N 6(7) - с. 10-13.
8. Куссуль В.М., Байдык Т.Н. Разработка архитектуры нейроподобной сети для распознавания формы объектов на изображении. //Автоматика - 1990 - N 5 - с. 56-61.
9. Маккалох Дж., Питтс У. Логические исчисления идей, относящихся к нервной деятельности. // Автоматы. М.: ИЛ, 1956.
10. Масалович А.И. От нейрона к нейрокомпьютеру. // Журнал доктора Добба - 1992 - N 1 - с. 20-23.
11. Минский М., Пейперт С. Персептроны. М.: МИР, 1971. С. 261.
12. Розенблат Ф. Аналитические методы изучения нейронных сетей. // Зарубежная радиоэлектроника. - 1965 - N 5 - с. 40-50.
13. Розенблат Ф. Принципы нейродинамики. // М.: МИР, 1965.
14. Соколов Е.Н., Вайтнявичус Г.Г. Нейроинтеллект: от нейрона к нейрокомпьютеру.- М.: Наука, 1989. С. 283.
15. Суворов С.В., Матихина Н.Ю. Программное моделирование нейроподобных структур. //Распределенная обработка информации.Улан-Уде, 1989, - с. 28.
16. Трикоз Д.В. Нейронные сети: как это делается? // Компьютеры + программы - 1993 - N 4(5) - с. 14-20.
Я занялся разработкой программ комплекса "Искусственный интеллект" потому что ИИ - это одна из самых перспективных и быстроразвивающихся областей науки. И в результате работы был создан программный комплекс, в составе которого:
1. Компонент нейронной сети
2. Программа распознавания графических образов на основе компонента НС
3. Компонент экспертной системы
4. Демонстрационная программа к компоненту ЭС
5. Проведен ряд экспериментов с нейронной сетью, данные систематизированы.
Однако чтобы не разбрасываться я предпочел остановиться на Нейронной сети в силу ее наглядности, достаточной сложности и реальной возможности применения.
НС хорошо подходят для распознавания образов и решения задач классификации, оптимизации и прогнозирования.
В основе любой нейронной сети, вне зависимости от метода реализации и типа лежит простой обрабатывающий элемент - нейрон. Прототипом для создания нейрона послужил биологический нейрон головного мозга.
Способом обратного распространения называется способ обучения многослойных НС. В таких НС связи между собой имеют только соседние слои, при этом каждый нейрон предыдущего слоя связан со всеми нейронами последующего слоя (рис. на плакате). Нейроны обычно имеют сигмоидальную функцию возбуждения. Первый слой нейронов называется входным и содержит число нейронов соответствующее распознаваемому образу. Последний слой нейронов называется выходным и содержит столько нейронов, сколько классов образов распознается.
Принцип обучения такой нейронной сети базируется на вычислении отклонений значений сигналов на выходных элементах от эталонных и обратном "прогоне" этих отклонений до породивших их элементов с целью коррекции ошибки.
Нейронная сеть может применяться в следующих и многих других областях: