Нейронные вычисления. Принцип

Относительно новая технология нейронных вычислений в последние годы находит все новые области применения. Вдохновляющая перспектива этой технологии в том, что нейронные сети скорее «обучаются», нежели «программируются». Эта форма искусственного интеллекта не требует определенных инструкции о том, как проблема может быть решена. Пользователь позволяет компьютеру самоадаптироваться в течение периода тренировки, используя примеры решения подобных проблем. После обучения компьютер в состоянии связать проблему с решением, входы с выходами и, таким образом, предложить адекватный ответ на «вопрос».

Рис. Нейронная сеть

Главная часть нейронного компьютера — нейронная сеть, схематически представленная на рисунке. В этом представлении круги изображают нейроны, и линии — связи между ними. Нейрон — простой процессор, который получает один или более входных сигналов и генерирует выходной сигнал. Каждый входной сигнал имеет свойственным ему «вес», который определяется интенсивностью, или «силой» сигнала. Нейрон должен определить вес каждого из входов и выдать взвешенную выходную функцию. Число нейронов в сети может насчитывать от десятков до многих тысяч.

Способ «обучения» системы основан на сравнении ее фактического выходного сигнала с ожидаемым. Система вырабатывает сигнал ошибки, который, в свою очередь, через всю сеть меняет относительные веса связей. Это, в конечном счете. приводит к идеальному решению, поскольку усиливаются связи, приводящие к правильному ответу. В принципе, данный процесс подобен тому, который происходит в мозгу человека. Нейронная вычислительная система имеет множество преимуществ перед обычным методом вычислений:

• очень высокая операционная скорость за счет параллельной обработки сигнала
• уменьшение времени выработки решения
• способность находить решения трудно формулируемых проблем
• гибкий подход к решению, которое может быть адаптировано к меняющимся обстоятельствам
• решение получается ближе к здравому смыслу, поскольку система может работать с «нечеткими» данными и неожиданными ситуациями. Адаптивная система в условиях «нечетких» воздействий реагирует как человек-эксперт. Она учится на своем опыте и использует новые данные, чтобы точно настроить свои функции.

Отмеченные преимущества делают использование нейронных сетей в автомобильных системах почти неизбежным. Сейчас даже предпринимаются попытки создать такие системы управления двигателем, которые были бы в состоянии изучить технику вождения данного водителя, чтобы прогнозировать следующие его наиболее вероятные действия. Система сможет тогда установить соответствующие параметры двигателя даже прежде, чем будет отдана соответствующая команда!