Définition
Biologicalneuralnetworkmainlyreferstotheneuralnetworkofthehumanbrain, whichisthetechnicalprototypeoftheartificialneuralnetwork.Thehumanbrainisthematerialbasisofhumanthinking.Thefunctionofthinkingislocatedinthecerebralcortex.Thelattercontainsabout10 ^ 11neurons.Eachneuronisconnectedtoabout103otherneuronsthroughnervesynapses, formingahighlycomplexHighlyflexibledynamicnetwork.Asadiscipline, biologicalneuralnetworkmainlystudiesthestructure, functionandworkingmechanismofhumanbrainneuralnetwork, andisintendedtoexplorethelawsofhumanbrainthinkingandintelligentactivities.
Artificialneuralnetworkisthetechnicalreproductionofbiologicalneuralnetworkinasimplifiedsense.Asadiscipline, itsmaintaskistobuildpracticalartificialNeuralnetworkmodel, designthecorrespondinglearningalgorithm, simulateacertainintelligentactivityofthehumanbrain, andthenrealizeittechnicallytosolvepracticalproblems.Therefore, thebiologicalneuralnetworkmainlystudiesthemechanismofintelligence, theartificialneuralnetworkmainlystudiestherealizationoftheintelligentmechanism, andthetwocomplementeachother.
Contenu de la recherche
Lecontenudelarecherchedesréseauxneurauxestassezétendu,reflétantlescaractéristiquesdesdomainestechniquesmultidisciplinairesetinterdisciplinaires.
Prototype biologique
De la physiologie, à la psychologie, à l'anatomie, aux sciences du cerveau, à la pathologie, etc. Étudiez la structure et les mécanismes fonctionnels du prototype biologique des cellules nerveuses, des réseaux de neurones et des systèmes nerveux.
Établir le modèle
À partir de la recherche de prototypes biologiques, établir des modèles théoriques de neurones et de réseaux de neurones.
Algorithme
Construisez un modèle de réseau de neurones spécifique sur la base d'une recherche sur un modèle théorique pour réaliser une simulation informatique ou préparez du matériel, y compris la recherche sur un algorithme d'apprentissage en réseau. Ce travail est également appelé recherche sur un modèle technique.
L'algorithme utilisé dans les réseaux de neurones est la multiplication vectorielle, et les fonctions symboliques et leurs diverses approximations sont largement utilisées.
Classification
Accordingtoitsmodelstructure, artificialneuralnetworkscanberoughlydividedintofeedforwardnetworks (alsocalledmultilayerperceptronnetworks) andfeedbacknetworks (alsocalledHopfieldnetworks)) Twocategories, theformercanberegardedasakindoflarge-scalenonlinearmappingsysteminmathematics, andthelatterisakindoflarge-scalenonlineardynamicsystem.Accordingtothelearningmethod, theartificialneuralnetworkcanbedividedintothreetypes: apprentissage supervisé, unsupervisedlearningandsemi-apprentissage supervisé; accordingtotheworkingmethod, itcanbedividedintotwotypes: deterministicandrandom; accordingtotimecharacteristics, itcanalsobedividedintocontinuousordiscreteTypetwotypes, andsoon.
Caractéristiques
Nomatterwhattypeofartificialneuralnetwork, theircommonfeaturesarelarge-scaleparallelprocessing, distributedstorage, elastictopology, highredundancyandnonlinearoperations.Therefore, ithasveryhighcomputingspeed, strongassociationability, strongadaptability, strongfaulttoleranceandself-organizationability.Thesecharacteristicsandabilitiesconstitutethetechnicalbasisforartificialneuralnetworkstosimulateintelligentactivities, andhaveobtainedimportantapplicationsinawiderangeoffields.Forexample, inthefieldofcommunications, artificialneuralnetworkscanbeusedfordatacompression, ImageProcessing, vectorcoding, ErrorControl (errorcorrectionanderrordetectioncoding), adaptivesignalprocessing, adaptiveequalization, signaldetection, reconnaissance de formes , contrôle des flux ATM, routage, optimisation des réseaux de communication et gestion intelligente des réseaux, etc.
Comment ça fonctionne
"Commentfonctionnelecerveauhumain?"
"Les humains peuvent-ils fabriquer des neurones artificiels qui imitent le cerveau humain ?"
Formanyyears, peoplehavetriedtounderstandandanswertheabovequestionsfromvariousanglessuchasmedicine, la biologie, la physiologie, la philosophie, l'informatique, computerscience, cognition, andorganizationsynergy.Intheprocessofsearchingfortheanswerstotheabovequestions, anewfieldofinterdisciplinarytechnologyhasgraduallyformed, whichiscalled "neuralnetwork" .Theresearchofneuralnetworksinvolvesmanydisciplines, whicharecombined, penetratedandpromotedwitheachother.Scientistsindifferentfieldsstartfromtheinterestsandcharacteristicsoftheirrespectivedisciplines, askdifferentquestions, andconductresearchfromdifferentangles.
Les réseaux de neurones artificiels doivent d'abord apprendre avec certains critères d'apprentissage avant de pouvoir fonctionner.
Sothecriterionofnetworklearningshouldbe: ifthenetworkmakesawrongdecision, throughthenetworklearning, thenetworkshouldreducethepossibilityofmakingthesamemistakenexttime.First, assignarandomvalueintheintervalof (0,1) toeachconnectionweightofthenetwork, andinputtheimagemodecorrespondingto "A" tothenetwork.Thenetworkaddstheweightoftheinputmode, comparesitwiththethreshold, andperformsnon-Linearoperation, gettheoutputofthenetwork.Inthiscase, theprobabilitythatthenetworkoutputis "1" et "0" IS50%, whichmeansitiscompletelyrandom.Atthistime ,silasortieest"1"(lerésultatestcorrect),lepoidsdelaconnexionestaugmentéafinquelorsqueleréseaurencontreà nouveau l'entrée en mode "A", il puisse encore porter un jugement correct.
La fonction d'un ordinateur ordinaire dépend des connaissances et des capacités fournies dans le programme.
Artificialneuralnetworksalsohavepreliminaryadaptiveandself-organizingcapabilities.Changethesynapticweightvalueinthelearningortrainingprocesstoadapttotherequirementsofthesurroundingenvironment.Thesamenetworkcanhavedifferentfunctionsduetodifferentlearningmethodsandcontent.Artificialneuralnetworkisasystemwithlearningability, whichcandevelopknowledgesoastoexceedtheoriginalknowledgelevelofthedesigner.Generally, itslearningandtrainingmethodscanbedividedintotwotypes, oneissupervisedormentoredlearning, wherethegivensamplestandardisusedtoclassifyorimitate; theotherisunsupervisedlearningornon-supervisedlearning.Atthistime, onlythelearningmethodorcertainrulesarespecified, andthespecificlearningcontentvarieswiththeenvironmentofthesystem (c.-à-theinputsignalsituation) .Thesystemcanautomaticallydiscovertheenvironmentalcharacteristicsandregularity, andhasafunctionmoresimilartothehumanbrain.
Neuralnetworkislikeachildwholovestolearn.Shewillnotforgettheknowledgeyouteachherandwillapplywhatshehaslearned.WeaddeachinputintheLearningSettotheneuralnetworkandtelltheneuralnetworkwhatclassificationshouldbeoutput.Afterallthelearningsetsarerun, theneuralnetworksumsupherownthoughtsbasedontheseexamples.Howshesummedthemupisablackbox.Afterthat, wecanusetheneuralnetworktotestthetestexamplesinthetestingset.Ifthetestpasses (Parexemple, 80% or90% précision), thentheneuralnetworkisconstructedsuccessfully.Wecanthenusethisneuralnetworktodeterminetheclassificationofthetransaction.
Neuralnetworkistoexplorethemodelthatsimulatesthefunctionofthehumanbrainnervoussystemthroughthemodelingandconnectionofthebasicunitofthehumanbrain-neurones, anddevelopamodelwithlearning, association, memoryandpatternrecognitionArtificialsystemswithintelligentinformationprocessingfunctions.Animportantfeatureofaneuralnetworkisthatitcanlearnfromtheenvironmentandstoretheresultsofthelearninginthesynapticconnectionsofthenetwork.Thelearningofaneuralnetworkisaprocess.Undertheexcitationofitsenvironment, somesamplepatternsaresuccessivelyinputtothenetwork, andtheweightmatrixofeachlayerofthenetworkisadjustedaccordingtocertainrules (learningalgorithm) .Convergestoacertainvalue, andthelearningprocessends.Thenwecanusethegeneratedneuralnetworktoclassifytherealdata.
Histoiredudéveloppement
En 1943, le psychologue W·Mcculloc et le mathématicien logicien W·Pitts ont proposé pour la première fois des mathématiques neuronales basées sur l'analyse et la synthèse des caractéristiques de base du modèle de neurones.
En 1945, thedesignteamledbyvonNeumannsuccessfullytrial-producedstored-programelectroniccomputers, markingthebeginningoftheelectroniccomputerera.In1948, inhisresearchwork, hecomparedthefundamentaldifferencebetweenthestructureofthehumanbrainandthestored-programcomputer, andproposedanetworkstructureofregenerativeautomatacomposedofsimpleneurons.However, duetotherapiddevelopmentofinstructionstoragecomputertechnology, hewasforcedtoabandonthenewapproachofneuralnetworkresearch, continuetodevotehimselftotheresearchofinstructionstoragecomputertechnology, andmadegreatcontributionsinthisfield.AlthoughvonNeumann'snameisassociatedwithordinarycomputers, heisalsooneofthepioneersofartificialneuralnetworkresearch.
Attheendofthe1950s, F · Rosenblattdesignedandproducedthe "perceptron", whichisamulti-layerneuralnetwork.Thisworkputstheresearchofartificialneuralnetworkfromtheoreticaldiscussionintoengineeringpracticeforthefirsttime.Atthattime, manylaboratoriesintheworldimitatedtheproductionofperceptrons, whichwereappliedtothestudyoftextrecognition, voicerecognition, sonarsignalrecognition, andlearningandmemoryproblems.However, theresearchclimaxofartificialneuralnetworksdidnotlastlong.Manypeoplegaveupresearchworkinthisareaoneafteranother.Thiswasbecausethedevelopmentofdigitalcomputerswasinitsheyday, andmanypeoplemistakenlybelievedthatdigitalcomputerscouldsolveartificialintelligenceandpatterns.Alltheproblemsofrecognitionandexpertsystemsmadetheworkoftheperceptronnotbetakenseriously, d'autre part, thelevelofelectronictechnologyatthattimewasrelativelybackward, andthemaincomponentswereelectrontubesortransistors.Theneuralnetworksmadebythemwerebulkyandexpensive.Itiscompletelyimpossibletomakeaneuralnetworksimilarinscaletoarealneu De plus, dans un livre de 1968 intitulé " Perceptron ", il a été souligné que la fonction du perceptron linéaire était limitée et qu'il ne pouvait pas résoudre un tel XOR.
En outre, au début des années 1960, Widrow a proposé un réseau d'éléments linéaire adaptatif, qui est un réseau à seuil de somme pondéré linéaire avec des valeurs continues. Plus tard, un réseau adaptatif multicouche non linéaire a été développé sur cette base.
Aspeople'sinterestinperceptronsdeclines, theresearchonneuralnetworkshasbeensilentforalongtime.Intheearly1980s, themanufacturingtechnologyofVLSIwithamixtureofanaloganddigitalwasraisedtoanewlevelandwascompletelyputintopracticaluse.Inaddition, thedevelopmentofdigitalcomputersencountereddifficultiesinanumberofapplicationareas.Thisbackgroundindicatesthatthetimetoseekawayoutofartificialneuralnetworksisripe.AmericanphysicistHopfieldpublishedtwopapersontheresearchofartificialneuralnetworksintheProceedingsoftheNationalAcademyofSciencesin1982and1984, whicharousedahugeresponse.Peoplehavere-recognizedthepowerofneuralnetworksandtherealityoftheirapplications.Immediately, alargenumberofscholarsandresearcherscarriedoutfurtherworkaroundthemethodproposedbyHopfield, whichformedtheresearchboomofartificialneuralnetworkssincethemid-1980.
Outils communs
Parmi de nombreux outils de réseau neuronal, NeuroSolution occupe toujours la position de leader de l'industrie. Il s'agit d'un outil de développement de réseau neuronal hautement graphique qui peut être utilisé dans Windows XP/7.
Direction de la recherche
Larecherchedesréseauxdeneuralespeutêtrediviséeendeuxaspects:larecherchethéoriqueetlarechercheappliquée.
Les recherches théoriques peuvent être divisées en deux catégories :
1. L'utilisation de la recherche scientifique neurophysiologique et cognitive sur les mécanismes de la pensée et de l'intelligence humaines.
2. Exploitez les résultats de la recherche sur la théorie neuronale de base, utilisez des méthodes mathématiques pour explorer des modèles de réseaux neuronaux avec des fonctions plus complètes et des performances supérieures, et étudiez en profondeur les algorithmes et les performances des réseaux, tels que la stabilité, la convergence et la tolérance aux pannes, la robustesse, etc.
La recherche d'application peut être divisée en deux catégories suivantes :
1.Recherchesurlasimulationlogicielleetlaréalisationmatérielledesréseauxdeneurales.
2.Recherchesurl'applicationdesréseauxneurauxdansdiversdomaines.Cesdomainesincluentprincipalement :
Reconnaissance de formes, traitement du signal, ingénierie des connaissances, système expert, combinaison d'optimisation, contrôle de robots, etc.