2.1. Понятие нейронной сети

Искусственная нейронная сеть (artificial neural network) [5,7] состоит из набора элементарных элементов, которые взаимосвязаны друг с другом и трансформируют набор входных параметров к набору желаемых выходных данных. Результат преобразования определяется характеристиками элементов и весами, соответствующими взаимосвязям между ними. Путем настройки весов соединений между узлами сети можно адаптироваться к желаемым выходным результатам.

На рисунке 2 представлена модель искусственного нейрона [5].

Рис. 2. Модель искусственного нейрона

Данная модель состоит из следующих элементов:

• умножителей (синапсов);

• сумматора ;

• нелинейного преобразователя f, называемого функцией активации нейронного элемента или передаточной функцией.

Математическая модель искусственного нейрона может быть представлена выражением:

,

где – входной сигнал нейрона;

– вес синаптической связи;

b – смещение (порог) нейрона;

s – результат суммирования входных сигналов;

y – выходной сигнал нейрона;

n – число входов нейрона;

f – функция активации.

В качестве функции активации нейронного элемента может использоваться пороговая функция, сигмовидная, гиперболический тангенс и другие.

В отличие от экспертных систем, которые могут дать пользователю определенный ответ, соответствуют или нет рассматриваемые характеристики характеристикам, заложенным в базе данных правил, нейронная сеть проводит анализ информации и предоставляет возможность оценить, что данные согласуются с характеристиками, которые она научена распознавать. Отметим, что качество работы нейронной сети во многом определяется репрезентативностью обучающей выборки и достигнутым уровнем точности во время ее обучения.

Обучение нейронной сети заключается в правильной идентификации предварительно выбранных примеров предметной области. Реакция нейросети анализируется и система настраивается таким образом, чтобы достичь удовлетворительных результатов. В дополнение к первоначальному периоду обучения, нейронная сеть также может дообучаться с течением времени по мере того, как она проводит анализ данных, связанных с предметной областью.