Дипломная работа|Компьютерные технологии
Авторство: bugalter
Год: 2016 | Страниц: 62
Литература
Приложение
Компьютерные нейронные сети – это фактически моделирование сложных систем. Их исследование представляет большой интерес. Одно из таких направлений – решение различных игровых задач.
Есть кусок карты на который нанесено расположение противника. На этой карте надо выбрать характеристические точки. Например: штаб, танковый взвод, склад и т.д. Таких точек нужна выбрать ну предположим 8. Для каждой точки есть характеристическое слово примерно оно выглядит так:
В первой ячейке допустим зашифрована информация о численности
Во второй о передвижениях
В третьей с какова источника получена информация (воздушная разведка …)
И.т.д.
Число ячеек должно быть не менее 8.
Для каждой характеристической точки своё слово. Откуда берётся слово нас не интересует. Вот эти зашифрованные слова подаются на вход программы моделирующую нейронную сеть. Сеть предварительно обучена. Далее программа обработав эти входные данные должна вывести подсказку оператору или Командующему о том как надо действовать в той или иной ситуации. Например: “ в такой ситуации нужно уточнить развединформациию “ или “ в такой ситуации остаться на своих позициях” и.т.д.
Т.е. программа должна подсказывать как действовать в той или иной ситуации.
3. Обзор и выбор методов построения нейронных сетей
3.1. Применение нейронных сетей
Современная вычислительная техника имеет в своей основе цифровую технологию. Но, хотя процессоры современных компьютеров и производят миллиарды операций в секунду, существует множество задач, выполнение которых для них либо невозможно, либо занимает чрезвычайно много времени. Например, задачи распознавания образов, поиск оптимальных решений и т.д.
Между тем существует биологический механизм, легко решающий множество подобных задач практически мгновенно. Речь идет о человеческом мозге. К примеру, человек мгновенно может узнать предмет независимо от того, под каким углом он его видит.
Другой особенностью человеческого мозга, недоступной традиционным компьютерам является способность к обучению. Человеческий мозг способен накапливать знания, а также создавать новые знания на их основе.
Исследованием работы мозга в последние десятилетия занимаются все ведущие страны мира. С каждым годом объем знаний о мозге увеличивается по экспоненциальному закону.
По данным нейробиологии нервная система человека и животных состоит из отдельных клеток – нейронов. В мозге человека их число достигает 1010-1012. Каждый нейрон связан с 103-104 другими нейронами. Вместе с тем время срабатывания нейронов является небольшой величиной и равно 2-5 мс.
Математические модели, повторяющие структуру мозга, получили название нейронных сетей. Искусственные нейронные сети, также как и естественные, состоят из множества связанных между собой элементов – нейронов.
В результате исследований нейронных сетей появилось альтернативное направление развития вычислительной техники – нейрокомпьютеры.
Разработки в области нейрокомпьютеров поддерживаются целым рядом международных и национальных программ. В настоящее время эксплуатируется не менее 50 нейросистем в самых различных областях – от финансовых прогнозов до экспертизы.
Разработки в области нейрокомпьютинга ведутся по следующим направлениям:
разработка нейроалгоритмов;
создание специализированного программного обеспечения для моделирования нейронных сетей;
разработка специализированных процессорных плат для имитации нейросетей;
электронные реализации нейронных сетей;
оптоэлектронные реализации нейронных сетей.
В настоящее время нейронные сети реализуются как аппаратно, в виде специализированных микросхем или плат, так и эмулируются на высокопроизводительных цифровых ЭВМ.
Преимуществом первого способа является высокая производительность. Но из-за необходимости разработки специализированных микросхем данный подход является зачастую очень дорогим.
Реализация нейронной сети на цифровой ЭВМ имеет следующие преимущества:
Отсутствие искажений сигналов, которое возможно в аналоговых ЭВМ.
Изменение структуры сети осуществляется заменой программного обеспечения,
Решается проблема синхронизации работы сети, решение которой является важной задачей для аналоговой реализации нейронных сетей.
В настоящее время наиболее массовым направлением является моделирование нейронных сетей на обычных компьютерах, прежде всего персональных. Моделирование сетей выполняется для их научного исследования, для решения практических задач, а также при определении значений параметров электронных и оптоэлектронных нейрокомпьютеров.
Современный уровень развития нейрокомпьютеров далек от совершенства. Для любой задачи, которую может решить нейрокомпьютер, можно построить стандартную специализированную ЭВМ, которая решит ее не хуже, а чаще всего – даже лучше.
Но все же нейрокомпьютеры обладают следующими преимуществами:
Нейрокомпьютеры дают стандартный способ решения многих нестандартных задач. При этом не важно, что специализированная машина решит лучше один класс задач. Важно, что нейрокомпьютер сможет решить множество задач, и не нужно проектировать специализированную ЭВМ для каждой задачи.
Использование обучения вместо программирования. Процесс программирования заменяется процессом обучения, то есть заданием пути адаптации сети.
Нейрокомпьютеры эффективно решают задачи, требующие “интуитивного” принятия решений. Например, такие задачи как распознавание рукописного текста, перевод с одного естественного языка на другой.
Нейрокомпьютеры могут применяться для решения задач, алгоритм решения которых либо трудно формализировать, либо неизвестен. Вместе с тем имеется большой набор статистических данных.
Гибкость структуры: можно различными способами комбинировать простые составляющие нейрокомпьютеров – нейроны и их связи между собой. За счет этого на одной элементной базе можно создавать различные машины.
Источники в Internet
Если данная работа вам не подошла, вы можете заказать помощь у наших
экспертов.
Оформите заказ и узнайте стоимость помощи по вашей работе в ближайшее время! Это бесплатно!
Оформите заказ, и эксперты начнут откликаться уже через 10 минут!
