Невронни мрежи – история, развитие и функционалност

Ако в днешно време в редица области научната фантастика e почнала да става реалност, то това не е без участието на т.нар. невронни мрежи и тяхното приложение в множество технологични сфери. „Настоящата „истерия“ по темата и разнообразните области на приложение на тази технология затрудняват вземащите решения в компаниите да виждат потенциалните ползи от нея“, казва Кристоф Вендл – главен изпълнителен директор на Iphos IT Solutions. В този материал ще се опитваме да Ви дадем ориентация, да предадем основни знания и да посочим възможните области на приложение на тази иновационна технология.

от | окт. 31, 2018

История на изкуствения интелект

В началото бе идеята:

С настъпилото около 16в. осъзнаване, че човек е в състояние да учи множество неща интуитивно така, както боравенето с кой и да е инструмент от процеса на практиката с него, се заражда и идеята за човека като създател. Създател, който е в състояние да взаимодейства със създаденото от него поне на елементарно ниво. Така, с течение на времето се стига до там, че през 17в. да бъде създадена първата механична изчислителна машина, с която са овладяни прости математически функции като събиране, изваждане, умножение и деление. Може да Ви звучи просто – уви – до онзи исторически момент не е съществувало нищо друго в подобна съизмерима форма, което да води до логически резултати, продукт на по-предно приложени правила.

Развитие от ХХ-в. нататък:

За да бъде направена следваща стъпка по този път, на човека и технологиите това им е струвало  „само“ няколко века. Така едва през 40-те години на ХХ век за първи път бива показана нелинейността в прицеса при обработка на информация от невроните. Тогава бива представен и метода, който доказва, че изкуствените невронни мрежи умеят да „учат“ – така нареченото „правило за обучение по Хеббиан“. То се основава на непрекъснатата, повтаряща се промяна в силата на свързване на два неврона, която дава „заучен“ резултат след пресичането на определен праг.

Така, през 1956г., въпреки трудностите покрай дефинирането му, бива наложен термина „Artificial Intelligence“ (AI) или „Изкуствен интелект“ (ИИ). Все пак, заради липсата на подходящ хардуер по това време, капацитетът и практичността са много ограничени, което води и до намаляване на  интереса към невронните мрежи. Увеличаващото се теоретично и методологично развитие от 80-те години на миналия век, и бързото подобряване на производителността на хардуера, и софтуера, довеждат до по-нататъшни успехи на технологиите след края на хилядолетието, особено в областта на разпознаването на образи. Днес невронните мрежи се използват за намиране на решения на различни проблеми в науката и бизнеса. Благодарение на Интернет и софтуера с отворен код като R, Python и свободно достъпни високоразмерни библиотеки като Keras, TensorFlow и много други,  внедряването и управлението на невронни мрежи е значително улеснено. Това от своя страна води до добре диференцирани различни модели и концепции при различните видове приложения (например: RNN, LSTMs и т.н. .).

Функционалност на изкуствените невронни мрежи

Кратко въведение:

Въпреки големия брой различни модели, които могат да бъдат доста сложни за обяснение, принципът на работа на невронните мрежи по принцип е лесно разбираем. В най-разпространения случай това са прости аритметични операции в матрици. Вдъхновени от природата и базирани на принципа на работа на биологичните невронни структури, изкуствените невронни мрежи имат входно нивоскрито ниво с произволен брой неврони (най-малко 1) за обработка на информацията и изходно ниво, между което съществуват няколко връзки. Единичният неврон извежда продукт на функцията от входно ниво, заложеното отклонение/ пристрастие  (BIAS) и активиране (напр. Сигмоидна функция), който определя, дали той да се активира, или не. В допълнение, връзките между невроните също репрезентират тежести (под формата на тенденции). В процеса на обучение входът първо се обработва чрез предаване на информация от него, през невроните, в изхода (Forward Propagation). След това, стойностите на теглата и отклоненията се регулират, за да се сведе до минимум грешката между очаквания и действителния изход на невронната мрежа. Този процес се нарича обратно разпространение (Backpropagation или обратна връзка за грешка). Така, чрез многократно въвеждане на тренировъчни модели и автоматично минимизиране на грешката, мрежата се модифицира и напасва, докато стойността на грешката падне под предварително определена стойност. По този начин невронните мрежи се научават да организират информацията самостоятелно и осигуряват като изходен резултат генерализация.

В целия процес са възможни множество модификации. На тях подлежат напр. функцията за активиране (линейна или нелинейна), процеса на обучение (с и без надзор), вида и броя на връзките между невроните, учебния процес (напр. чрез модификации на силата на свързване, развитие и/или заличаване на съществуващи връзки и т.н.) и броя на скритите нива, които трябва да бъдат коригирани. Допълнително могат да бъдат вмъкнати параметри, като напр. забравяне на информация в LSTM (Long-, Short-Term Memory) за покриване на други приложения.

Искате ли да получите оферта?

Информирайте ни за вашите изисквания, спиделете ни вашите идеи и един от нашите служители ще ви даде първоначална консултация.

След това ще Ви представим груба концепция, както и необвързваща ценова оферта.

Tel: +359 (0)2 44 10 681

E-Mail: office@iphos.bg

10 + 11 =

Компанията

Доказана интернационална компания - за най-добрите ИТ решения. Цялостни услуги в областите Компютърна поддръжка / IT / ITSM, Разработка на софтуер и Уеб приложения. По-бързо, по-компетентно, по-изгодно.

ИТ Инфраструктура

Като системен интегратор, предлагаме цялостни услуги в сферата на администрирането и поддръжката на ИТ инфраструктура. ИТ Мениджмънт / ITSM, базиран на ITIL - компютърна поддръжка, мрежи, сървъри, Linux, Windows, Exchange и др.

Разработка на Софтуер

Изработка на инидивидуализирани софтуерни решения от опитни екипи в България и Австрия. Професионално отношение към клиента и високо качество на услугите. Изработка на десктоп и мобилни приложения, интерфейси, бази данни и др.

Изработка на уеб сайтове

Изработка на уеб сайтове & уеб приложения от най-високо ниво. Максимална разходна ефективност и качество. Уеб решения в областите интранет & екстранет, изработка на уеб сайтове, онлайн магазини & електронна търговия, тарифни калкулатори, SEO & SEM и др.

Iphos IT Solutions

+359 (0)2 44 10 681

 

1618 София, бул. Цар Борис III 168, Ет. 3, Офис 33