Выводы по 8-ой главе

1. Нейронные семиотические системы основаны на моделировании функций ВНС человека. Это направление получит исключительное развитие в ХХI в.

2. Одной из ключевых технологий нейронных семиотических систем является обучение ИНС на примерах.

3. Основная парадигма нейрокомпьютинга: алгоритмы, порождаемые данными в универсальном процессе обучения, специализированные для данного класса операций с образами, адаптированные под конкретные ин­формационные задачи.

4. Работы в области нейрокибернетики включают два базовые направ­ления:

. разработку, реализацию и использование для решения практиче­ских задач математических моделей ИНС;

. разработку и реализацию математических моделей ВНС человека.

5. В рамках первого направления создаются НП и НК. Эти работы ин­тенсивно развиваются, обеспечивая быстрый рост сферы коммерческих приложений нейротехнологий.

6. Разработка НП - наиболее быстро развивающаяся область нейротехнологий.

7. Нейропакеты подразделяют на семь основных классов.

8. Фундамент архитектуры универсального НП составляют подсистема формирования нейросети, БД нейросети и подсистема проведения экспе­риментов с нейросетью.

9. Существует развитая система критериев сравнения универсальных НП, отражающая интересы начинающих и опытных пользователей, а также профессиональных разработчиков НП.

Контрольные вопросы и задание.

1. Опишите модель искусственного нейрона. Приведите примеры передаточных функций.

2. Какие модели нейронных сетей вам известны?

3. Проведите сравнение однослойных и многослойных ИНС.

4. Дайте характеристику основных этапов построения нейронной сети.

5. Расскажите о методах обучения ИНС.

7. Опишите алгоритм обратного распространения ошибки. Сфор­мулируйте его достоинства и недостатки.

8. Расскажите об известных вам способах реализации ИНС.

9. Для каких задач целесообразно применять ИНС? Каковы усло­вия применения моделей этого типа? Сформулируйте основные проблемы, возникающие при применении нейронных сетей.

10. Сформулируйте постановку прикладной задачи экономического характера, для решения которой возможно и целесообразно при­ менить нейронную сеть. Опишите, как это можно сделать.

11. Подготовьте доклад или реферат о конкретной нейросетевой ин­струментальной системе. Опишите методику решения задач оп­ределенного класса при поддержке выбранного программного обеспечения.

12. Подготовьте набор содержательных примеров для обучения нейронной сети с заданной целью.

13. Сформулируйте постановку содержательной задачи для решения методами нейронных сетей. Подготовьте обучающую и тестиру­ющую выборки примеров.

14. Сформулируйте постановку задачи извлечения знаний для реше­ния с помощью технологии нейронных сетей. Подготовьте необ­ходимые данные.

15. Составьте задачу классификации (диагностики) для решения с помощью технологии нейронных сетей. Подготовьте необхо­димые данные. Выберите топологию сети, выполните проек­тирование и реализацию в системе

16. Сформулируйте задачу прогнозирования для решения с помо­щью технологии нейронных сетей. Подготовьте необходимые данные.

17. На какой парадигме основан нейрокомпьютинг?

18. Что обычно относят к феноменам мозга?

19. Опишите структуру работ в области нейрокибернетики.

20. В чем различие между НП и НК?

21.Что понимается под обучением ИНС? Какую роль оно играет в нейротехнологиях?

22. Какие существуют подходы к представлению результатов обучения ИНС?

23. Перечислите основные классы НП.

24. Назовите основные модули, входящие в архитектуру универсального НП.

25. Перечислите основные функции подсистемы формирования нейросети и под­

системы про ведения экспериментов с нейросетью универсального НП.

26. По каким критериям сравнивают универсальные НП?