Аспирантура.РФ

Аспирантуры. Обучение в аспирантуре и защита диссертации. Далее-->

Что такое аспирантура

Обучение в аспирантуре. Очная, заочная аспирантуры. Далее-->

Аспирантуры Москвы и России

ВУЗы с аспирантурой. Формы обучения. Платная и бесплатная аспирантура. Далее-->

Написание текста диссертации

Как написать диссертацию. Структура диссертации. Требования к диссертации. Далее-->

Центр помощи аспирантам

Вернуться назад на методы анализа данных.
Нейронные сети получили свое название из-за схожести со строением нервной ткани из нейронов. Нейронные сети имеют широкое применение в прогнозировании, адаптивном управлении, создании экспертных систем и других направлениях.
Принцип работы нейронных сетей заключается в формировании некой сети, состоящей из нескольких слоев. На элементы нижнего слоя подаются входящие значения характеристик исследуемых объектов. Проходя по нейронной сети на каждом уровне входящие значения характеристик исследуемого объекта могут изменяться в зависимости от весовой характеристики каждого слоя нейронной сети. На выходе нейронной сети проявляются значений интересующих исследователя параметров. Зная значения некоторых входящих характеристик исследуемых объектов и правильные значения параметров на выходе можно сформировать весовые характеристики каждого уровня нейронной сети, что позволит получать правильные параметры на выходе при введении на первый уровень других характеристик исследуемых объектов. Особенностью нейронных сетей является необходимость построения индивидуальной нейронной сети под каждую исследуемую проблему.
Нейронные сети подразделяются по типу входящих характеристик: аналоговые (входящая информация в виде действительных чисел) и двоичные (входящая информация в двоичном виде); по характеру обучения: с учителем (известны значения входных и выходных параметров), без учителя (известны только входные параметры); по характеру настройки уровней сети: сети с фиксированными связями (весовые характеристики уровней нейронной сети определены заранее) и сети с динамическими связями (весовые характеристики уровней нейронной сети определяются в процессе ее настройки); по характеру связей: сети прямого распространения (изменение характеристик объекта идет от входа к выходу), рекуррентные сети (значение исследуемых характеристик объекта частично передается на вход нейронной сети), двунаправленные сети (влияние параметров характеристик исследуемых объектов прослеживается как в прямом, так и обратном направлениях нейронной сети). В зависимости от типа решаемых задач нейронные сети могут быть рекуррентными, хаотическими, осцилляторными, глубокими.