Читать онлайн «Прикладные нейрокомпьютерные системы : учебное пособие.»

Министерство образования Российской Федерации Владимирский государственный университет В. Н. ГОРЛОВ ПРИКЛАДНЫЕ НЕЙРОКОМПЬЮТЕРНЫЕ СИСТЕМЫ Учебное пособие Владимир 2003 УДК 681. 31: 612. 822 Г69 Рецензенты: Доктор физико-математических наук, профессор, зав. кафедрой математического анализа Владимирского государственного педагогического университета В. В. Жиков Кандидат технических наук, доцент кафедры информатики Всероссийского заочного финансово-экономического института (г. Владимир) А. А. Левкин Печатается по решению редакционно-издательского совета Владимирского государственного университета Горлов В. Н. Г69 Прикладные нейрокомпьютерные системы: Учеб. пособие / Владим. гос. ун-т. Владимир, 2003. 128 с. ISBN 5-89368-389-7 Посвящено одному из современных направлений в области информатики и вы- числительной техники – нейрокомпьютерным технологиям. Рассмотрены вопросы тео- рии искусственных нейросетей, большое внимание уделено программным имитацион- ным моделям нейронных сетей, а также решению с их помощью практических задач распознавания образов, идентификации, оптимизации. Предназначено для студентов четвертого курса специальности 010200 – приклад- ная математика и информатика, изучающих курсы «Базы данных и экспертные систе- мы» и «Методы оптимизации управления». Может быть использовано в лекционных курсах студентами специальностей, связанных с подготовкой специалистов по вычис- лительной технике, – 220100, 220200, 220300 и 220400. Табл. 2. Ил. 47. Библиогр. : 30 назв. УДК 681. 31: 612. 822 © Владимирский государственный ISBN 5-89368-389-7 университет, 2003 2  Предисловие В настоящем учебном пособии предпринята попытка кратко изложить основные понятия и методы моделирования нейронных сетей, а также по- казать возможности применения нейрокомпьютерной техники для реше- ния практических задач. Нейрокомпьютеры олицетворяют собой новую технологию обработки информации, связанную с переходом на принципи- ально новый нейросетевой логический базис. Это является объективной причиной резкого повышения отношения производительности к стоимости при решении сложных задач и, как следствие, причиной появления прин- ципиально новых задач, которые ранее не решались. Искусственные нейронные сети строятся по принципу организации и функционирования их биологических аналогов. Определение многослой- ных нейронных сетей было впервые введено Ф. Розенблаттом в его клас- сической работе [23] и более ранних его работах и понимается как особое свойство структуры преобразования, осуществляемого разомкнутой ней- ронной сетью при топологическом, а не символическом описании. Базо- выми понятиями теории нейронных сетей являются: - входной и выходной сигналы; - желаемый выходной сигнал; - функционалы первичной и вторичной оптимизации; - алгоритмы поиска экстремума функционала вторичной оптимизации как алгоритмы адаптивного управления в нейронных сетях.