Sieć neuronowa  

W cybernetyce siecią neuronową nazywa się symulatory modeli matematycznych, które przetwarzają informacje pochodzące z wielu elementów. Budowa cybernetycznych sieci neuronowych opiera się na budowie ludzkiego mózgu, a przebieg informacji wygląda tak samo, jak w biologicznych sieciach neuronowych. W technice sieci neuronowe wykorzystywane są najczęściej do rozpoznawania kontekstowego. Sieci neuronowe potrafią analizować obrazy oraz odpowiednio je przetwarzać, dzięki odwzorowaniom geometrycznym i rozkładaniu wzorca na pojedyncze piksele. Sieci neuronowe bardzo dobrze radzą sobie także z przetwarzaniem sygnałów, między innymi z filtracją, konwersją i transformacją. Szczególne miejsce sieci neuronowe zajmują w robotyce i automatyce, gdzie wykorzystuje się je do sterowania, optymalizacji i planowania ruchu. W przeciwieństwie do zwykłych programów, sieci neuronowe wykonują kilka obliczeń równolegle, ponadto mogą wskazać wynik nie korzystając z algorytmów. Ważną cechą sieci neuronowej jest jej umiejętność uczenia się. Sieć neuronowa jest w stanie „przystosować się” do panujących warunków, co ma duże znaczenie przy konstruowaniu robotów, które mają nauczyć się rozpoznawać nowe sytuacje i samodzielnie podejmować decyzje co do dalszego przebiegu procesów. Sieć neuronowa jest ważną częścią pamięci asocjacyjnej, gdzie pełni funkcję pamięci skojarzeniowej – oznacza to, że sieć kojarzy ze sobą dwa wektory, nawet jeśli dane wejściowe obarczone są zakłóceniami. Sztuczne neurony sieci mogą być połączone ze sobą w różny sposób, a do najpopularniejszych typów sieci neuronowych zalicza się sieci jednokierunkowe jednowarstwowe, wielowarstwowe i rekurencyjne. Budowa sieci neuronowej nie musi być z góry określona w zależności od problemu, jaki ma rozwiązać. Jednak bardzo proste sieci mogą nie dać sobie rady ze zbyt złożonymi zagadnieniami.

Copyright © www.easy-graft.pl. All Rights Reserved.