[Kuzma]

[font=Tahoma, 'Geneva CY', sans-serif][background=rgb(245, 245, 255)]Всем здасте! Пришла идея обсудить новшество которое недавно было будущим, а сейчас это уже настоящее.[/background][/font]

[font=Tahoma, 'Geneva CY', sans-serif][background=rgb(245, 245, 255)]И так, что такое "Нейронная сеть"?[/background][/font]

[font=Tahoma, 'Geneva CY', sans-serif][background=rgb(225, 228, 242)]Нейронная сеть — термин, имеющий два значения:[/background][/font]

[font=Tahoma, 'Geneva CY', sans-serif][background=rgb(225, 228, 242)]Биологическая нейронная сеть — сеть, состоящая из биологических нейронов, которые связаны или функционально объединены в нервной системе. В нейронауках зачастую определяется как группа нейронов, которые выполняют специфические физиологические функции.[/background][/font]

[font=Tahoma, 'Geneva CY', sans-serif][background=rgb(225, 228, 242)]Искусственная нейронная сеть — сеть, состоящая из искусственных нейронов (программируемая конструкция, имитирующая свойства биологических нейронов). Искусственные нейронные сети используются для изучения свойств биологических нейронных сетей, а также для решения задач в сфере искусственного интеллекта.[/background][/font]

[font=Tahoma, 'Geneva CY', sans-serif][background=rgb(245, 245, 255)]Источник [/background][/font]wikipedia



[font=Tahoma, 'Geneva CY', sans-serif][background=rgb(245, 245, 255)]Искусственная нейронная сеть, что это?[/background][/font]

[font=Tahoma, 'Geneva CY', sans-serif][background=rgb(225, 228, 242)]Иску́сственные нейро́нные се́ти (ИНС) — 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. Первой такой попыткой были нейронные сети Маккалока и Питтса[1]. После разработки алгоритмов обучения, получаемые модели стали использовать в практических целях: в задачах прогнозирования, для распознавания образов, в задачах управления и др.[/background][/font]

[font=Tahoma, 'Geneva CY', sans-serif][background=rgb(225, 228, 242)]ИНС представляют собой систему соединённых и взаимодействующих между собой простых процессоров (искусственных нейронов). Такие процессоры обычно довольно просты, особенно в сравнении с процессорами, используемыми в персональных компьютерах. Каждый процессор подобной сети имеет дело только с сигналами, которые он периодически получает, и сигналами, которые он периодически посылает другим процессорам. И тем не менее, будучи соединёнными в достаточно большую сеть с управляемым взаимодействием, такие локально простые процессоры вместе способны выполнять довольно сложные задачи.[/background][/font]

[font=Tahoma, 'Geneva CY', sans-serif][background=rgb(225, 228, 242)]С точки зрения машинного обучения, нейронная сеть представляет собой частный случай методов распознавания образов, дискриминантного анализа, методов кластеризации и т. п. 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[2]. А с точки зрения искусственного интеллекта, ИНС является основой философского течения коннективизма и основным направлением в структурном подходе по изучению возможности построения (моделирования) естественного интеллекта с помощью компьютерных алгоритмов.[/background][/font]

[font=Tahoma, 'Geneva CY', sans-serif][background=rgb(225, 228, 242)]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. Это значит, что в случае успешного обучения сеть сможет вернуть верный результат на основании данных, которые отсутствовали в обучающей выборке, а также неполных и/или «зашумленных», частично искаженных данных.[/background][/font]

[font=Tahoma, 'Geneva CY', sans-serif][background=rgb(225, 228, 242)]И как это использовать на рынке?[/background][/font]

[font=Tahoma, 'Geneva CY', sans-serif][background=rgb(245, 245, 255)]Источник [/background][/font]wikipedia





[font=Tahoma, 'Geneva CY', sans-serif][background=rgb(245, 245, 255)]Это лишь мелочь что можно найти про сети. Но уверяю вас сразу, в нете вы советника на сетях НИКОГДА не найдете. Он если и будет продан, то только лично и за миллиарды долларов, и это факт![/background][/font]