Оцените презентацию от 1 до 5 баллов!
Тип файла:
ppt / pptx (powerpoint)
Всего слайдов:
9 слайдов
Для класса:
1,2,3,4,5,6,7,8,9,10,11
Размер файла:
652.00 kB
Просмотров:
72
Скачиваний:
0
Автор:
неизвестен
Слайды и текст к этой презентации:
№1 слайд![Федеральное агентство по](/documents_2/6c6ee2707e778c3603430106985d3090/img0.jpg)
Содержание слайда: Федеральное агентство по образованию
Государственное образовательное учреждение
высшего профессионального образования
«Сибирский государственный индустриальный университет»
«НЕЙРОСЕТИ»
ПРЕЗЕНТАЦИЯ
Выполнил: ст.гр. ЭУК-07
Афанасьева Т.С.
Проверил:
Новокрещин Б.Г.
№2 слайд![ВВЕДЕНИЕ Теория нейронных](/documents_2/6c6ee2707e778c3603430106985d3090/img1.jpg)
Содержание слайда: ВВЕДЕНИЕ
Теория нейронных сетей включают широкий круг вопросов из разных областей науки: биофизики, математики, информатики, схемотехники и технологии. Поэтому понятие "нейронные сети" детально определить сложно.
Работа сети состоит в преобразовании входных сигналов во времени, в результате чего меняется внутреннее состояние сети и формируются выходные воздействия. Обычно НС оперирует цифровыми, а не символьными величинами. Большинство моделей НС требуют обучения.
С точки зрения машинного обучения, нейронная сеть представляет собой частный случай методов распознавания образов, дискриминантного анализа, методов кластеризации и т. п.
№3 слайд![ЗНАНИЕ Нейросети -](/documents_2/6c6ee2707e778c3603430106985d3090/img2.jpg)
Содержание слайда: ЗНАНИЕ
Нейросети - математические модели, а также их программные или аппаратные реализации, построенные по принципу организации и функционирования биологических нейронных сетей — сетей нервных клеток живого организма. Это понятие возникло при изучении процессов, протекающих в мозге, и при попытке смоделировать эти процессы.
№4 слайд![ПОНИМАНИЕ Существует](/documents_2/6c6ee2707e778c3603430106985d3090/img3.jpg)
Содержание слайда: ПОНИМАНИЕ
Существует множество трактовок понимания НС. Вот некоторые из них:
С математической точки зрения, обучение нейронных сетей — это многопараметрическая задача нелинейной оптимизации.
С точки зрения кибернетики, нейронная сеть используется в задачах адаптивного управления и как алгоритмы для робототехники.
С точки зрения развития вычислительной техники и программирования, нейронная сеть — способ решения проблемы эффективного параллелизма.
А с точки зрения искусственного интеллекта, НС является основой философского течения коннективизма и основным направлением в структурном подходе по изучению возможности построения естественного интеллекта с помощью компьютерных алгоритмов.
№5 слайд![ПРИМЕНЕНИЕ В каждой](/documents_2/6c6ee2707e778c3603430106985d3090/img4.jpg)
Содержание слайда: ПРИМЕНЕНИЕ
В каждой предметной области при ближайшем рассмотрении можно найти постановки нейросетевых задач.
Экономика и бизнес: предсказание рынков, оценка риска невозврата кредитов, предсказание банкротств, оценка стоимости недвижимости.
Медицина: обработка медицинских изображений, мониторинг состояния пациентов, диагностика, факторный анализ эффективности лечения, очистка показаний приборов от шумов.
Связь: сжатие видео-информации, быстрое кодирование-декодирование, оптимизация сотовых сетей и схем маршрутизации пакетов.
Интернет: ассоциативный поиск информации, электронные секретари и агенты пользователя в сети.
Безопасность и охранные системы: системы идентификации личности, распознавание голоса, лиц в толпе.
Нейросети - это не что иное, как новый инструмент анализа данных. И лучше других им может воспользоваться именно специалист в своей предметной области.
№6 слайд![АНАЛИЗ Тип используемой](/documents_2/6c6ee2707e778c3603430106985d3090/img5.jpg)
Содержание слайда: АНАЛИЗ
Тип используемой нейросети во много диктуется поставленной задачей.
Так, для задачи классификации удобными могут оказаться многослойный персептрон и сеть Липпмана-Хемминга. Персептрон также применим и для задач идентификации систем и прогноза. При решении задач категоризации потребуются карта Кохонена, архитектура встречного распространения или сеть с адаптивным резонансом. Задачи нейроматематики обычно решаются с использованием различных модификаций модели Хопфилда.
Лучше использовать те архитектуры, свойства которых вам наиболее знакомы, так как это упростит интерпретацию результатов. На выбор может повлиять наличие или отсутствие в вашем распоряжении соответствующих программ.
№7 слайд![СИНТЕЗ Современные НС](/documents_2/6c6ee2707e778c3603430106985d3090/img6.jpg)
Содержание слайда: СИНТЕЗ
Современные НС обладают рядом ценных свойств:
Обучаемость – можно обучить сеть решению задач, которые ей по силам;
Способность к обобщению – после обучения сеть становится нечувствительной к малым изменениям входных сигналов;
Способность к абстрагированию – сеть сама может создать на выходе идеальный образ, с которым никогда не встречалась.
№8 слайд![ОЦЕНКА Нейронные сети не](/documents_2/6c6ee2707e778c3603430106985d3090/img7.jpg)
Содержание слайда: ОЦЕНКА
Нейронные сети не программируются в привычном смысле этого слова, они обучаются. Возможность обучения — одно из главных преимуществ нейронных сетей перед традиционными алгоритмами. Технически обучение заключается в нахождении коэффициентов связей между нейронами. В процессе обучения нейронная сеть способна выявлять сложные зависимости между входными данными и выходными, а также выполнять обобщение.
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.
№9 слайд![ЗАКЛЮЧЕНИЕ Синтез различных](/documents_2/6c6ee2707e778c3603430106985d3090/img8.jpg)
Содержание слайда: ЗАКЛЮЧЕНИЕ
Синтез различных методов и идей в едином нейросетевом подходе является неоценимым достоинством нейрокомпьютинга. Нейрокомпьютинг предоставляет единую методологию решения очень широкого круга практически интересных задач. Это, как правило, ускоряет и удешевляет разработку приложений.
Очень полезно представить ожидаемый результат работы нейросети и способ его дальнейшего использования. Во многих случаях это приводит к упрощению постановки, и, как следствие, к более эффективному решению. Если же полученные результаты не будут соответствовать вашим ожиданиям, то это - важная причина более фундаментально подойти к задаче.