Гальцов В.П.
ОСОБЕННОСТИ СОВРЕМЕННЫХ НЕЙРОННЫХ СЕТЕЙ *
Аннотация:
в статье рассмотрены особенности современных нейронных сетей. Проанализирована траектория развития нейронных сетей в мире и России. Сделано выводы о негативных и позитивных факторах развития нейронных сетей
Ключевые слова:
нейронные сети, графические карты, нейронная платформа, сейсмический мониторинг
Нейронные сети (искусственная нейронная сеть) — это система соединенных 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, эти процессоры вместе способны выполнять довольно сложные задачи, поскольку нейронные сети обучаются в процессе работы [1, с. 7]. Созданию нейронных сетей способствовало появление трех факторов: 1. Накопились большие объёмы данных у интернет-проектов; 2. Были созданы новые нейронные сети («глубокие»); 3. Были изобретены графические карты для игр. Сейчас в мире существует лишь несколько нейронных платформ на которых создают 50 видов разных нейронных сетей под разные задачи. Одни для распознавания лиц, другие для обработки текста и так далее. Почти все они - американские (две основных - от Гугла и Фейсбука). Данные тоже в основном оттуда, например, большинство тех, кто занимается распознаванием лиц, просто скачали размеченный обучающий набор в сети. Потому что он большой, на миллион лиц - и бесплатный. Очень заманчиво использовать глубокие и широкие нейронные сети для каждой задачи. Но это может быть плохой идеей, потому что: Обе требуют значительно большего количества данных для обучения, чтобы достичь минимальной желаемой точности; Обе имеют экспоненциальную сложность; Слишком глубокая нейронная сеть попытается сломать фундаментальные представления, но при этом она будет делать ошибочные предположения и пытаться найти псевдо-зависимости, которые не существуют; Слишком широкая нейронная сеть будет пытаться найти больше признаков, чем есть. Таким образом, подобно предыдущей, она начнет делать неправильные предположения о данных. Второй серьезный недостаток - это то, что нейронная сеть - это «черный ящик». Она же не объясняет, на каком основании она кого-то распознала. Это просто матрица с настроенными коэффициентами [4, с. 7], [5, с. 67]. Биологическая нейронная сеть обладает высокой степенью связности: на один нейрон может приходиться несколько тысяч связей с другими нейронами. Но, это приблизительное значение и в каждом конкретном случае оно разное. Передача импульсов от одного нейрона к другому порождает определенное возбуждение всей нейронной сети. Величина этого возбуждения определяет реакцию нейронной сети на какие-то входные сигналы. Например, встреча человека со старым знакомым может привести к сильному возбуждению нейронной сети, если с этим знакомым связаны какие-то яркие и приятные жизненные воспоминания. В свою очередь сильное возбуждение нейронной сети может привести к учащению сердцебиения, более частому морганию глаз и к другим реакциям. Встреча же с незнакомым человеком для нейронной сети пройдет практически незаметной, а значит и не вызовет каких-либо сильных реакций [2, с. 9], [3, с. 22]. Рассмотрим разработку нейронных сетей на практике. Ученые Института нефтегазовой геологии и геофизики к 2021 году обучат нейронные сети для локального сейсмического мониторинга в карьерах и шахтах. Ученые собираются обучать нейронные сети для локального сейсмического мониторинга. Этот метод достаточно унифицирован, поскольку нейронные сети можно обучать под разные задачи. Также нейронные сети могут быть использованы с целью обработки данных сейсмического мониторинга. В настоящее время обработкой данных занимается человек. Нейросети же, благодаря своему сложному устройству, способны выполнять эту работу вместо него. Ученые собираются обучить автономную сеть автоматически выделять сигнал сейсмического события на фоне шумов и определять его параметры. Метод может применяться локально: в карьерах, шахтах, вулканах и даже для мониторинга состояния зданий. Вместе с этим ученые намерены разработать собственный сейсмический регистратор. Данный регистратор позволит не только удешевить производство, но и увеличить срок его службы, поскольку регистраторы крупных сейсмологических компаний создаются «под ключ» и не способны адаптироваться к новым методам мониторинга. Регистратор будет обрабатывать полученные данные, что станет преимуществом при его использовании в условиях ограниченного канала связи, например, в шахтах. Искусственные компьютерные нейронные сети строятся по тем же принципам, что и сети нервных клеток в живом организме. Процессы запоминания и распознавания образов основываются на передаче сигналов между нейронами. Одно из главных преимуществ нейронных сетей перед традиционными алгоритмами — возможность обучаться. В процессе обучения такая сеть способна выявлять сложные зависимости между входными данными и выходными, а также выполнять обобщение.
Номер журнала Вестник науки №6 (15) том 5
Ссылка для цитирования:
Гальцов В.П. ОСОБЕННОСТИ СОВРЕМЕННЫХ НЕЙРОННЫХ СЕТЕЙ // Вестник науки №6 (15) том 5. С. 183 - 186. 2019 г. ISSN 2712-8849 // Электронный ресурс: https://www.вестник-науки.рф/article/1892 (дата обращения: 20.04.2024 г.)
Вестник науки СМИ ЭЛ № ФС 77 - 84401 © 2019. 16+