Page 7 - 4524
P. 7
узагальнення: після завершення процесу навчання ме-
режа може бути нечутливою до незначних змін вхідних сиг-
налів, що дозволяє застосовувати її при зашумлених або не
повністю заданих даних;
обчислення в реальному часі: нейромережеві обчис-
лення можуть здійснюватися паралельно в часі, що істотно
збільшує швидкодію ШНМ;
стійкість до перебоїв: часткове руйнування мережі
призводить до втрати якості, однак деякі її властивості збері-
гаються навіть у випадку руйнування більшої частини мережі.
Незважаючи на таку подібність, ШНМ та фаззі системи
ще дуже далекі від дублювання властивостей мозку людини.
Однак дивна подібність функціонування цих алгоритмів з їх-
німи біологічними прототипами наводить на думку про мож-
ливості проникнення в людський інтелект уже в близькому
майбутньому.
1 Загальні відомості про штучні нейронні мережі
1.1 Історія нейронних мереж
Інтелектуальні системи на основі штучних нейронних
мереж дозволяють з успіхом вирішувати проблеми розпізна-
вання образів, виконання прогнозів, оптимізації, асоціативній
пам'яті і керування. Традиційні підходи до рішення цих про-
блем не завжди надають необхідну гнучкість. Багато застосу-
вань виграють від використання нейромереж.
Штучні нейромережі є електронними моделями нейрон-
ної структури мозку, який головним чином навчається з до-
свіду. Природній аналог доводить, що множина проблем, які
поки що не підвладні розв'язуванню наявними комп'ютерами,
можуть бути ефективно вирішені блоками нейромереж.
Тривалий період еволюції додав мозку людини багато
якостей, що відсутні в сучасних комп'ютерах з архітектурою
фон Неймана. До них відносяться:
розподілене представлення інформації і паралельні об-
числення;
здатність до навчання і здатність до узагальнення;
адаптивність;
6