Dirbtinis neuroninis tinklas

Straipsnis iš Vikipedijos, laisvosios enciklopedijos.
Peršokti į: navigacija, paiešką

Dirbtinis neuroninis tinklas – tarpusavyje sujungtų dirbtinių neuronų grupė. Ši technologija mėgdžioja žmogaus galvos smegenų darbą – tiksliau neuronų veikimą. Dirbtiniai neuroniniai tinklai yra tam tikros struktūros matematinės funkcijos, kurios naudojamos kaip funkcijų aproksimatoriai. Tai reiškia, jog neuroniniam tinklui suteikiant pavyzdinę informaciją (funkcijos įvestį ir rezultatą), jis geba išmokti imituoti pavyzdinę funkciją.

Dirbtinis neuronas[redaguoti | redaguoti vikitekstą]

Dirbtinio neurono schema

Dirbtinis neuronas – biologinio neurono abstrakcija, pagrindinis dirbtinių neuroninių tinklų komponentas. Dirbtinis neuronas turi keletą įėjimų (x0, x1, x2, …, xn) ir vieną išėjimą (y). Išėjimo reikšmė gaunama pagal formulę:

Koeficientai vadinami įėjimų svoriais, o funkcija  – aktyvacijos funkcija.

Aktyvacijos funkcija yra būtina, jei norima, kad neuroninis tinklas gebėtų išmokti netiesines funkcijas. Dažni šių funkcijų pasirinkimai yra šie:

- žingsninė funkciją. Ši funkcija naudota ankstyvojoje dirbtinių neuroninių tinklų stadijoje, kuomet visų neuronų išėjimai buvo binariniai arba .

- vadinamoji sigmoidė, kuri „suploja“ įėjimą į intervalą . Tai yra lyg tam tikra visur diferencijuojama žingsninė funkcija.

- hiperbolinio tangento funkcija. Tai - ta pati sigmoidė, tačiau turinti išėjimą intervale .

- minkštojo maksimumo (angl. softmax) funkcija. Ji paverčia visas išėjimo komponentes į tikimybes, t. y. sunormuoja išėjimo vektorių į . Tai naudinga, pavyzdžiui, klasifikuojant, kai kiekviena išėjimo vektoriaus komponentė atitinka tam tikrą klasę. Tuomet kiekvienai komponentei priskirs klasės tikimybę.

Neuroninių tinklų klasifikacija[redaguoti | redaguoti vikitekstą]

Esama įvairių rūšių neuroninių tinklų. Vieni iš jų apmokomi su mokytoju (žinant reikiamas tinklo išėjimų reikšmes), kiti – be mokytojo. Istoriškai pirmi neuroniniai tinklai buvo vienasluoksniai perceptronai.

Taikymas[redaguoti | redaguoti vikitekstą]

Dirbtiniai neuroniniai tinklai taikomi šiose srityse:

  • grafinių vaizdų atpažinimas;
  • bioinformatikoje – dalinai kintančių, tačiau biologiškai reikšmingų nukleotidų bei aminorūgščių sekų fragmentų paieška. Sistema apmokoma naudojant žinomų sekų rinkinį ir randa naujas, panašiai atrodančias sekas.
  • finansuose – analizuojant, prognozuojant akcijų kitimo kursus;
  • procesams modeliuoti ir valdyti: fizinės sistemos neuroninių tinklų modelis taikomas geriausiems valdymo parametrams nustatyti;
  • mašinų diagnostikai: stebi mašiną ir jai sugedus įspėja sistemą;
  • taikiniui atpažinti: karinėse programose padeda apdoroti paprastą arba infraraudonųjų spindulių vaizdą priešo taikiniui nustatyti.
  • medicininei diagnozei: analizuodami simptomus ir vaizdo duomenis, pavyzdžiui, rentgeno nuotraukas, tinklai padeda gydytojams nustatyti diagnozę.


Vikiteka