Основы нейронных сетей

Прогнозирование и аппроксимация. Способности нейронной сети к прогнозированию напрямую следуют из ее способности к обобщению и выделению скрытых зависимостей между входными и выходными данными. После обучения сеть способна предсказать будущее значение некой последовательности на основе нескольких предыдущих значений и/или каких-то существующих в настоящий момент факторов. Следует отметить, что прогнозирование возможно только тогда, когда предыдущие изменения действительно в какой-то степени предопределяют будущие. Например, прогнозирование котировок акций на основе котировок за прошлую неделю может оказаться успешным (а может и не оказаться), тогда как прогнозирование результатов завтрашней лотереи на основе данных за последние 50 лет почти наверняка не даст никаких результатов.

Сжатие данных и ассоциативная память. Способность нейросетей к выявлению взаимосвязей между различными параметрами дает возможность выразить данные большой размерности более компактно, если данные тесно взаимосвязаны друг с другом. Обратный процесс — восстановление исходного набора данных из части информации — называется (авто)ассоциативной памятью. Ассоциативная память позволяет также восстанавливать исходный сигнал/образ из зашумленных/поврежденных входных данных. Решение задачи гетероассоциативной памяти позволяет реализовать память, адресуемую по содержимому.

 

 

3. Программное обеспечение для работы с искусственными сетями

 

3.1 Matlab Neural Network Toolbox

 

Neural Network Toolbox пакет для  работы с нейронными сетями  представляет собой полноценную  среду MATLAB для решения прикладных  задач. Пакет обеспечивает всестороннюю  поддержку проектирования, обучения  и моделирования множества известных  сетевых парадигм, от базовых  моделей персептрона до самых  современных ассоциативных и  самоорганизующихся сетей. Пакет  может быть использован для  исследования и применения нейронных  сетей к таким задачам, как  обработка сигналов, нелинейное  управление и финансовое моделирование.

Основные свойства:

– Неуправляемые сети: Хэбб, Кохан, конкурентные, карты признаков и самоорганизующиеся карты.

– Неограниченное число элементов и взаимосвязей.

– Настраиваемые на пользователя архитектуры и функции активации.

Пакет Neural Network предоставляет доступ к полному набору средств для исследования, проектирования и моделирования нейронных сетей. Средства анализа и моделирования MATLAB и SIMULINK позволяют быстро оценивать поведение сети и ее качество в смысле окончательного результата проектирования. С помощью Real-Time Workshop можно генерировать C код для автономных приложений и встроенных систем. Гибкий импорт данных и функции преобразования упрощают первичную подготовку входных данных.

 

 

 

 

3.2 Пакет STATISTICA Neural Networks

 

STATISTICA Neural Networks является  богатой, мощной и чрезвычайно  быстрой средой анализа нейросетевых  моделей, предоставляющей следующие  возможности:

– Пре- и пост-обработка, включая выбор данных, кодирование номинальных значений, шкалирование, нормализация, удаление пропущенных данных с интерертацией для классификации, регрессия и задачи временных рядов;

– Исключительная простота в использовании плюс непревзойденная аналитическая мощность;

– Мощные аналитические технологии, в том числе Анализ главных компонент и Понижение размерности для выбора нужных входных переменных в нейросетевом анализе данных;

– Самые современные, оптимизированные и мощные алгоритмы обучения сети (включая методы сопряженных градиентов и Левенберга-Марквардта);

– Полный контроль над всеми параметрами, влияющими на качество сети, такими как функции активации и ошибок, сложность сети;

– Поддержка каскакадов нейросетей и нейросетевых архитектур практически неограниченного размера, созданных в Наборах сетей - Network Sets; выборочное обучение нейросетевых сегментов; объединение, и сохранение наборов сетей в отдельных файлах;

– Полная интеграция с системой STATISTICA; все результаты, графики, отчеты и т.д. могут быть в дальнейшем модифицированы с помощью мощных графических и аналитических инструментов STATISTICA (например, для проведения анализа предсказанных остатков, создания подробного отчета и т.п.);

– Полная интеграция с мощными автоматическими инструментами STATISTICA; запись полноценных макросов для любых анализов; создание собственных нейро-сетевых анализов и приложений с помощью STATISTICA Visual Basic, вызов STATISTICA Neural Networks из любого приложения, поддерживающего технологию СОМ (например, автоматическое проведение нейро-сетевого анализа в таблице MS Excel или объединение нескольких пользовательских приложений, написанных на С++, С#, Java и т.д.).

 

4. Заключение

 

Нейронная сеть – параллельно распределенная структура обработки информации, состоящая из нейронов, которые соединены между собой связями.

Нейронные сети - мощный метод моделирования, позволяющий воспроизводить сложные нелинейные зависимости. Способность к моделированию нелинейных процессов, работе с зашумленными данными и адаптивность дают возможность применять нейронные сети для решения широкого класса задач.

В последние несколько лет на основе нейронных сетей было разработано много программных систем для применения в таких вопросах, как прогнозирование и оценка различного рода параметров. Нейронные сети обучают на примерах.

Нейронные сети открывают новые перспективы для систематизации многочисленной экспериментальной информации в таких областях знаний, где традиционно трудно приживается математический формализм, например, в медицине, психологии и истории.