| ||
Взгляд в будущее - компьютер разработанный на основе работы нервной системы человекаДмитрий Акнорский Что же такое нейрокомпьютер? На самом деле, это довольно сложный вопрос. Нейронными технологиями занимаются уже давно. Общие принципы нейронных сетей были заложены еще во второй половине прошлого века. К настоящему моменту над этим вопросом работают не только специалисты вычислительных систем и программисты, но и физики, химики, специалисты в области медицины и другие представители научной среды. И здесь возникают свои сложности и проблемы - у разных специалистов разные взгляды на проблему. Но все же дело движется. Медленно, но движется. В самом начале нейронные сети состояли из одного слоя искусственных нейронов, обладающих множеством преимуществ. При этом рядом ученых были выведены и доказаны теоремы, определяющие работу таких нейронных сетей. К преимуществам однослойной последовательности нейронов можно отнести линейность, невероятную простоту вычислений и, самое главное, оригинальный и в то же время простой алгоритм обучения. Но, в то же время, этими же учеными было доказано, что однослойные нейронные сети не способны решать большое число различных задач. Казалось бы, что наука зашла в тупик. Но нет! Несколько позже появились многослойные нейронные сети. Они сразу же сняли множество ограничений, которые существовали при работе однослойных нейронных сетей. Но даже несмотря на это, теория нейронных сетей не была революционной. Ранее уже существовали подобные структуры, может быть, они были не настолько совершенны, но существовали. Поэтому теория нейронных сетей не создает чего-то революционно нового, а просто осваивает ранее разработанные методы. При этом целью данной работы является создание более эффективных систем. А на основе нейронных сетей это довольно просто, так как здесь происходит параллельная работа, что значительно повышает производительность. Если, например, рассмотреть работу десятипроцессорной и стапроцессорной систем, то можно заметить, что последняя дает повышение производительности только в два раза по сравнению с первой. Это объясняется тем, что процессоры, несмотря на свою мощность и быстроту работы, гораздо дольше ждут своей очереди, нежели проводят вычисления. То есть, в данном случае все процессоры выполняют работу последовательно. Чтобы попытаться дать определение нейрокомпьютера, необходимо сначала понять, что такое нейронная сеть и как ведут себя в ней нейроны. А нейронная сеть - это последовательность большого числа взаимосвязанных между собой простых вычислительных и способных к самообучению элементов, то есть нейронов. Все нейроны, находясь во взаимосвязи друг с другом, выполняют однообразные задачи и не требуют вмешательства извне. Одним из основных преимуществ нейронных сетей является то, что искусственные нейроны схожи с натуральными. Фактически, биологические исследования и послужили толчком к разработке искусственных нейронов, а впоследствии нейронных сетей и нейрокомпьютеров. Именно биологические исследования натолкнули науку на такие преимущества, как способность к обучению за счет настройки сети, а также параллельная и в то же время простая работа элементарных вычислительных единиц.
Давайте вспомним курс биологии в школе. Что собой представляет нервная система человека или животного? Она состоит из множества клеток, которые тоже называются нейронами. Любой нейрон нервной системы человека или животного имеет тело и дендриты - совокупность отростков, по которым в нейрон поступают входные сигналы. Выходные сигналы идут по еще одному отростку, который носит название аксон. Аксон одного нейрона и дендрит другого соединяются. Когда нейрон от дендритов получает набор входных сигналов, он начинает их суммировать. Оценив суммарное значение сигналов, он образует выходной сигнал и передает его аксону. При этом каждый входной сигнал характеризуется весовым параметром. Этот параметр определяет важность поступающей информации. Таким образом, нейрон определяет скалярное произведение векторов входных сигналов и весовых характеристик. Именно от этого значения и зависит интенсивность выходного сигнала. Если значение скалярного произведения не превышает ранее заданного в нейроне предела, то нейрон передает выходной сигнал по аксону дендриту другого нейрона, который, в свою очередь, также собирает совокупность входных сигналов не только от этого, но и от других нейронов и суммирует их, генерируя выходной сигнал уже для следующего нейрона. Тот же самый механизм заложен и в искусственные нейроны и нейронные сети. Но при создании искусственных нейронных сетей стало ясно, что их работа зависит не только от значения весовых параметров, но и от степени возбуждения нейронов. Из биологических исследований стало известно, что существует три вида функций возбуждения - линейная, сигмоидальная и пороговая. Линейная функция определяет такую работу, при которой входная активность пропорциональна суммарному входу нейрона. Сигмоидальная функция выходной сигнал варьирует непрерывно в зависимости от входного сигнала. Именно сигмоидальные элементы имеют больше всего сходства с натуральными клетками нервной системы. А пороговая функция описывает такую работу, при которой вход устанавливается на одном из двух уровней в зависимости от интенсивности этого сигнала. С учетом этого и разрабатываются искусственные нейроны и нейронные сети. В дальнейшем, после разработки нейронных сетей и на их основе нейрокомпьютеров, помимо этих двух свойств и отличий от обычных компьютеров, были выделены еще несколько существенных свойств, среди которых такие, как высокая помехо- и отказоустойчивость нейронных сетей и наличие новых физических свойств обработки информации. Нейрон осуществляет суммирование по определенному алгоритму поступающих на его вход сигналов. На выходе нейрона идет промежуточный сигнал, который преобразуется в нейроне активационной функцией. Данную функцию специалисты считают "нелинейной усилительной характеристикой искусственного нейрона". Функция активации имеет свою особенность - большой коэффициент усиления для слабых сигналов и понижающийся коэффициент усиления для более сильных сигналов.
Теперь, зная, что такое нейрон, как он работает и что такое нейронная сеть, можно дать определение и нейрокомпьютеру: нейрокомпьютер - это компьютер, который разработан на основе нейронной сети - все логично и просто. Но на самом деле, с научной точки зрения, не все просто. Нейрокомпьютер - это вычислительная машина, разработанная на основе взаимосвязанных между собой в единую сеть элементарных вычислительных единиц, схожих по строению и функциям с натуральными клетками нервной системы человека и способных к самообучению. Но это далеко не точное и не единственное определение. Наряду с этим существует еще одно понятие, то есть научное направление, которое носит название "нейрокомпьютинг". Данное направление как раз и занимается разработкой "компьютеров шестого поколения", или, проще говоря, нейрокомпьютерами. Уже сегодня разработка нейрокомпьютеров ведется в большинстве развитых стран. Именно это позволяет уже сегодня решать множество различных задач, к числу которых относятся такие, как распознавание образов, прогнозирование, адаптивное управление и прочее. При этом если сравнивать нейрокомпьютер с привычным нам всем персональным компьютером, который мы используем в повседневной работе, то здесь выделяется не только невероятная простота и в то же время мощь нейрокомпьютеров. Принципиально меняется алгоритм работы компьютера. Если для функционирования персонального компьютера нужны программисты, которые вынуждены постоянно писать те или иные программные продукты, то для работы нейрокомпьютера этого не требуется. Причина заключается в том, что нейрокомпьютер, как уже отмечалось ранее, способен сам обучаться выполнять различные операции и решать задачи. Обучение нейрокомпьютера не означает, что кто-то сидит над ним и вбивает в его "электронные мозги", как он должен выполнять ту или иную работу. Под обучением нейрокомпьютера в науке понимается корректировка весов связей, в результате чего любое входное воздействие на нейрон вызывает соответствующий выходной сигнал. После обучения нейроны начинают действовать по отношению к входным сигналам уже на основе, так сказать, "полученных ранее навыков". А запоминание этих "навыков" происходит постоянно в процессе всей работы, как у человека. Кроме того, в нейронных сетях запоминание информации происходит совершенно по другому алгоритму, нежели в случае с персональными компьютерами. В нейронной сети совершенно нет локальных зон запоминания. Вся информация запоминается всей сетью целиком. В результате чего нейрокомпьютеру нет необходимости выбирать определенные зоны памяти для того, чтобы заложить в них какую-нибудь информацию, а также нет необходимости потом искать нужную информацию - в какой же она ячейке памяти находится. Конечно, это преувеличено - для компьютера такой поиск занимает доли секунды, но у нейрокомпьютера все это производится еще в несколько раз быстрее и гораздо проще. Кроме того, топология сети зависит от типа сети и возложенной на нее задачи или задач. Потому как для того, чтобы создать нелинейную сеть для решения какой-либо задачи, необходимо выбрать, каким же образом будут соединяться нейроны. А для этого необходимо в первую очередь подобрать весовые значения параметров каждой связи. Но это отдельная тема, поэтому углубляться в нее не станем.
Сегодня нейрокомпьютеры нашли свое применение в различных областях. Их применяют в системах предсказания и диагностики, системах распознавания образов, в различных бортовых системах, в науке и медицине. Одним словом, нейрокомпьютеры сегодня применяются в самых различных областях. К примеру, применение нейрокомпьютеров можно встретить в банковских системах с целью проверки документов, считывания чеков, диагностики подлинности подписей. В химической промышленности нейрокомпьютеры работают над такими задачами, как управление процессами, анализ смесей, разведка залежей минералов и других ископаемых в почве и т.д. Нейрокомпьютеры применяются даже в военной промышленности и аэронавтике, где они выполняют различные задачи по обработке радарных, инфракрасных и прочих сигналов, автоматическому управлению и пилотированию, распознаванию образов, голосов, отпечатков пальцев и так далее. Все эти и многие другие операции выполняют нейрокомпьютеры совершенно различной модификации. Но какие бывают нейрокомпьютеры, это также тема отдельной статьи. Что же касается нейрокомпьютеров в целом, то это не просто компьютеры "шестого поколения". Это перспективное направление в развитии современной техники. Многие ученые считают, что за нейрокомпьютерами большое будущее. Но это мнение ученых. Что будет в будущем, увидим. Хотя уже сегодня использование нейросетевых технологий движется по нарастающей в различных областях. Причиной этому служат широкие возможности нейрокомпьютеров, простота их работы и, самое главное, невероятно высокая производительность. Одним словом, нейрокомпьютеры дают базу для создания новых современных суперкомпьютеров. Источник: "Терабайт", http://www.comprice.ru
| ||
Copyright © "Internet Zone", http://www.izcity.com/, info@izcity.com |