Схема простой нейросети. Зелёным цветом обозначены входные нейроны, голубым — скрытые нейроны, жёлтым — выходной нейрон
Нейро́нная сеть (также искусственная нейронная сеть, ИНС) — математическая модель, а также её программное или аппаратное воплощение, построенная 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 У. Маккалока и У. Питтса. После разработки алгоритмов обучения получаемые модели стали использовать в практических целях: в задачах прогнозирования, для распознавания образов, в задачах управления и др.
ИНС представляет 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 по отдельности простые процессоры вместе способны выполнять довольно сложные задачи.
С точки зрения машинного обучения, нейронная сеть представляет собой частный случай методов распознавания образов, дискриминантного анализа, методов кластеризации и т. п.
С точки зрения математики, 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.
С точки зрения искусственного интеллекта, ИНС является основой философского течения коннекционизма и основным направлением в структурном подходе по изучению возможности построения (моделирования) естественного интеллекта с помощью компьютерных алгоритмов.
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 искажённых данных.
Содержание 1 Хронология
2 Известные применения 2.1 Распознавание образов и классификация 2.1.1 Используемые архитектуры нейросетей 2.2 Принятие решений и управление
2.3 Кластеризация 2.3.1 Используемые архитектуры нейросетей 2.4 Прогнозирование 2.4.1 Используемые архитектуры нейросетей 2.5 Аппроксимация 2.5.1 Используемые архитектуры нейросетей 2.6 Сжатие данных и ассоциативная память 2.6.1 Используемые архитектуры нейросетей 2.7 Анализ данных 2.7.1 Используемые архитектуры нейросетей 2.8 Оптимизация 2.8.1 Используемые архитектуры нейросетей 3 Этапы решения задач 3.1 Сбор данных для обучения
3.2 Выбор топологии сети
3.3 Экспериментальный подбор характеристик сети
3.4 Экспериментальный подбор параметров обучения
3.5 Обучение сети
3.6 Проверка адекватности обучения 4 Классификация по типу входной информации
5 Классификация по характеру обучения
6 Классификация по характеру настройки синапсов
7 Классификация по времени передачи сигнала
8 Классификация по характеру связей 8.1 Нейронные сети прямого распространения
8.2 Рекуррентные нейронные сети
8.3 Радиально-базисные функции
8.4 Самоорганизующиеся карты 9 Известные типы сетей
10 Отличия от машин с архитектурой фон Неймана
11 Примеры использований 11.1 Предсказание финансовых временных рядов
11.2 Психодиагностика
11.3 Хемоинформатика
11.4 Нейроуправление
11.5 Экономика 12 См. также
13 Примечания
14 Литература
15 Ссылки
Нейронная теория