ІІІ курс, Факультет інформатики
Твердохліб І.А., канд. пед. наук, доцент
Національний педагогічний університет імені М.П.Драгоманова
Київ
В сучасних умовах розвитку інноваційних технологій у всіх галузях і сферах діяльності людини з’явилися нові наукові напрями. Однією з перспективних галузей сучасної інформатики на сьогодні є нейроінформатика. Нейроінформатика – це принципово новий підрозділ інформатики, що стосується аналізу та опрацювання даних, базується на використанні моделей штучного нейрона та побудові на їх основі штучних нейронних мереж.
Розвиток штучних нейронних мереж тісно пов’язаний з біологією. Штучний нейрон – це спрощена модель біологічного нейрона. Математично він представляє собою деяку нелінійну функцію (функцію активації) від одного аргументу, що є лінійною комбінацією вхідних сигналів. Зв’язки між нейронами, за аналогією зі зв’язками між природними нейронами, називаються синапсами. Штучний нейрон має єдиний вихід, який інколи називають аксоном. Штучні нейрони об’єднують, утворюючи при цьому штучні нейронні мережі, що дозволяють створення паралельних мереж, їх навчання та вирішення інтелектуальних завдань, не використовуючи традиційного програмування [1, с. 60]. Важливою властивістю нейронних мереж, що свідчить про їх великий потенціал і широкі прикладні можливості є паралельне опрацювання даних одночасно великою кількістю нейронів. Завдяки цьому досягається значне пришвидшення обробки даних. Іншою не мнеш важливою особливістю нейронних мереж є здатність до навчання та узагальнення даних. Таким чином досягається деяка схожість з роботою головного мозку людини [3 , с. 24].
Вперше роботу штучних нейронів та представлення моделі нейронної мережі було описано у статті нейрофізіолога Уоррена Маккалоха та математика Вольтера Піттса у 1943 р, а початковою точкою для розроблення алгоритмів навчання нейронних мереж був принцип, розроблений Дональдом Хеббом і описаний у його книзі «Організація поведінки» (1949 р.) [2 , с. 19].
З використанням нейронних мереж відкрилися можливості проведення обчислень в сферах, що до цього відносилися лише до сфери людського інтелекту. З’явилися можливості створення систем, які здатні вчитися, запам’ятовувати та аналізувати дані, що дуже нагадує розумові здібності людини. Типовими задачами, що можуть бути вирішеними за допомогою нейронних мереж та нейрокомп’ютерів є: задача класифікації, автоматизація прогнозування, автоматизація процесу ухвалення рішень, управління, кодування і декодування даних, розпізнавання образів та ін. Нейронні мережі можуть використовуватися майже в усіх галузях і сферах людської діяльності: економіці, медицині, зв’язку і безпеці охоронних систем, опрацюванні даних.
Важливими сферами застосування нейронних обчислень в галузі економіки є прогноз ситуації на фондовому ринку, оцінка вартості нерухомості, прогнозування динаміки біржових курсів, оптимізація товарних і грошових потоків, автоматичне зчитування чеків і форм тощо. Нейронні мережі мають практичне застосування у проектуванні і оптимізації мереж зв’язку. З їх допомогою успішно вирішується важливе завдання в сфері телекомунікацій – знаходження оптимального шляху трафіку між вузлами. У галузі безпеки і охоронних системах нейронні мережі необхідні для ідентифікації особи, розпізнавання голосу, осіб в натовпі, розпізнавання автомобільних номерів, аналіз аэрокосмічних знімків, моніторингу інформаційних потоків, виявлення підробок.
Отже, в сучасному світі нейронні мережі це не далеке майбутнє. Нейроінфоматикою та дослідженнями нейромереж у різних галузях займаються науковці з усього світу. За допомогою штучних нейронних мереж можна опрацьовувати, аналізувати та узагальнювати відомості, що аналогічно роботі головного мозку людини. На сьогоднішній день багато вчених займаються дослідженням нейронних мереж, стійкості тих чи інших їх конфігурацій. Штучні нейронні мережі є важливим розширенням поняття обчислення. Вони обіцяють створення машин, що виконують функції, які були раніше винятковою прерогативою людини. Машини можуть виконувати монотонні і небезпечні завдання, і з розвитком технології виникнуть абсолютно нові застосування.
Теорія штучних нейронних мереж розвивається стрімко, але в цей час вона недостатня, щоб бути опорою для найбільш оптимістичних проектів. Сьогоднішній вибух інтересу залучив до нейронних мереж тисячі дослідників. Резонно чекати швидкого зростання нашого розуміння штучних нейронних мереж, ведучого до більш довершених мережевих парадигм і множини прикладних можливостей. Але нажаль нейронні мережі вивчають далеко не у всіх вищих навчальних закладах, що звісно не сприяє швидкому зростанню їх популярності та розвитку як науки. Тому для того, щоб нейромережі розвивались як наука потрібно поступово вводити їх у навчальні курси та привертати до них увагу як студентів, так і школярів.
Список використаних джерел:
- Abu-Mostafa Y. S., St. Jacques, J. 1985. Information capacity of the Hopfield model. IEEE Transactions on Information Theory 31(4):461-64.
- Рідкокаша А.А., Голдер К.К. Основи систем штучного інтелекту. Навчальний посібник. Черкаси: Відлуння-Плюс, 2002. – 240с.
- Підласий А.І. Інтелектуальні системи обробки неструктурованої інформації. Модуль 1. Інтелектуальні системи гуманітарного призначення: Навч.посіб. – Черкаси: ЧДТУ, 2005. – 171с.