Intelektinės sistemos, kurios plačiąja prasme remiasi programiniais skaičiavimais (soft computing). Tradicinio aparatinio skaičiavimo (hard computing) operacijoms būdingas tikslumas ir apibrėžtumas, tuo tarpu programiškai skaičiuojama su tam tikrais tikslumo nuostoliais.
Programiniai skaičiavimai imituoja žmogaus suvokimą ir sąmoningumą. Tokios sistemos geba mokytis iš patirties, todėl gali būti taikomos net tose srityse, apie kurias dar nesukaupta tiesioginių žinių. Be to, pasitelkusios lygiagrečias skaičiavimo architektūras, modeliuojančias biologinius procesus, jos gautus įvesties signalus gali susieti su išvesties signalais daug greičiau, nei taikant nuoseklius analitinius metodus.
Dažniausiai tokios sistemos remiasi neraiškia logika, skaičiavimais neuroniniais tinklais, bendriniais algoritmais ir tikimybiniu pagrindimu. Taigi metodologijos prasme jos yra hibridinės.
Darbo objektas – neauroninio tinklo funkcijos ir jo vykdomos patikimai.
Daug dešimtmečių mokslininkai siekė sukurti mašinas, sudarytas iš daugybės paprastų komponentų. Užuominų šia tema galima rasti net mokslinėje literatūroje. Stengdamiesi atkartoti žmogaus smegenų veiklą, praėjusio amžiaus ketvirtojo dešimtmečio tyrinėtojai sukūrė paprastą techninę (vėliau – ir programinę) įrangą biologiniams neuronams ir jų sąveikai modeliuoti. Šeštajame dešimtmetyje, apibendrinus biologinių ir fiziologinių neuronų sampratą, buvo sukurtas pirmasis dirbtinis neuroninis tinklas. Iš pradžių tai buvo elektroninė schema, o vėliau neuroninis tinklas perkeltas į lengviau manipuliuojamą kompiuterinio modeliavimo lygmenį.
Darbo metodai: sisteminė analizė, statistinė ir matematinė analizė.
Neuroninio tinklo apmokymo tikslas yra minimizuoti neatitikimą tarp neuroninio tinklo pateikiamo rezultato ir to rezultato kuris turėtų gautis.
Neuroninių tinklų apmokymo metodai gali būti suskirstyti į tris kategorijas:
• Mokymą su mokytoju;
• Mokymą su paskatinimu;
• Mokymą be mokytojo.2
Tyrėjus neuroniniai tinklai domina gebėjimu pamėgdžioti žmogaus smegenų veiklą ir galimybe mokytis bei reaguoti. Prisitaikymas arba mokymasis –pagrindinis neuroninių tinklų tyrimų objektas. Užduotims atlikti neuroniniai tinklai išmoksta įvesčių ir išvesčių rinkinį, o paskui pritaiko savo žinias aproksimuodami arba prognozuodami įvesčių ir išvesčių priklausomybę.3
Mokymo su mokytoju metu yra panaudojamas išorinis mokytojas kuris nurodo koks turėtų būti reikiamas atsakymas. T.y. įprastai tinklui apsimokyti yra pateikiami įvedimo/išvedimo duomenų rinkiniai. Tinklo svoriai koreguojami taip, kad tinklas ateityje pateiktų reikiamą atsakymą.
Žmogaus nervų sistema –...
Šį darbą sudaro 2860 žodžiai, tikrai rasi tai, ko ieškai!
★ Klientai rekomenduoja
Šį rašto darbą rekomenduoja mūsų klientai. Ką tai reiškia?
Mūsų svetainėje pateikiama dešimtys tūkstančių skirtingų rašto darbų, kuriuos įkėlė daugybė moksleivių ir studentų su skirtingais gabumais. Būtent šis rašto darbas yra patikrintas specialistų ir rekomenduojamas kitų klientų, kurie po atsisiuntimo įvertino šį mokslo darbą teigiamai. Todėl galite būti tikri, kad šis pasirinkimas geriausias!
Norint atsisiųsti šį darbą spausk ☞ Peržiūrėti darbą mygtuką!
Mūsų mokslo darbų bazėje yra daugybė įvairių mokslo darbų, todėl tikrai atrasi sau tinkamą!
Panašūs darbai
Kiti darbai
Atsisiuntei rašto darbą ir neradai jame reikalingos informacijos? Pakeisime jį kitu nemokamai.
Pirkdamas daugiau nei vieną darbą, nuo sekančių darbų gausi 25% nuolaidą.
Išsirink norimus rašto darbus ir gauk juos akimirksniu po sėkmingo apmokėjimo!