Нейронные системы и сети

Нейронные сети моделируют построение человеческого мозга, который состоит примерно из 10^{10 –} 10¹² нервных клеток – нейронов. Каждый нейрон можно рассматривать как преобразователь информации.

Электронные нейросхемы упрощенно моделируют поведение реальных нейронов. Технология их создания, обучения и эксплуатации состоит из следующей последовательности действий:

· Для решения конкретной проблемы выделяется набор параметров, которые определяют эксперты на основании опыта. Этот набор может быть избыточен и противоречив. Важность параметров определяется в процессе обучения и эксплуатации нейронной сети.

· Подбирается набор обучающих примеров. Каждый пример представляет собой набор входных параметров, для которого определены верные выходные значения, называемые эталонными.

· Производится первоначальная настройка сети: весовым коэффициентам, приписанным каждому из входных параметров, присваиваются случайные значения.

· Обучающие последовательности в определенном порядке предъявляются нейронной сети. Нейронная сеть формирует выходные значения, которые сопоставляются с эталонными. На основе этого сравнения происходит автоматическая коррекция весовых коэффициентов в нейронной сети, которую называют процессом обучения. В случае совпадения полученного значения с эталонным происходит увеличение весовых коэффициентов тех параметров, которые способствовали получению верного результата, и, наоборот, происходит понижение весовых коэффициентов тех параметров, которые способствовали выработке неверного решения.

· Процесс предоставления обучающих последовательностей повторяется многократно до тех пор, пока сеть не придет в стационарное состояние, т.е. результаты, вырабатываемые нейронной сетью с заданной вероятностью, совпадут с эталонными результатами.

После этого нейронная сеть считается настроенной (обученной) на определенную проблему, т.е. создана числовая матрица весовых коэффициентов, и ее можно использовать для решения реальных задач. В процессе эксплуатации нейронной сети также может происходить ее последующее обучение. Обучение нейронной сети стоит достаточно дорого и представляет собой длительный процесс. В дальнейшем пользователи сети могут и не знать методики обучения.

Реализация нейросетевых алгоритмов на обычном вычислительном оборудовании неэффективна. Поэтому используют вычислительные системы с такой архитектурой аппаратного и программного обеспечения, которая ориентирована на эффективную реализацию нейросетевых алгоритмов. Такие вычислительные системы принято называть нейрокомпьютерами. Элементную базу нейрокомпьютеров составляют специализированные нейроБИС. Нейрокомпьютеры могут представлять собой самостоятельные устройства, а также строиться на основе обычных вычислительных устройств за счет включения в них специальных нейроплат – нейроакселераторов для рабочих станций и ПК.