НЕЙРОСЕТИ: ПРИМЕНЕНИЕ И РАЗВИТИЕ В РАЗЛИЧНЫХ ОТРАСЛЯХ

NEURAL NETWORKS: APPLICATION AND DEVELOPMENT IN VARIOUS INDUSTRIES

Maxim Dedyukhin

Student, Department of Digital systems and models, Kazan state Power Engineering University,

Russia, Kazan

Artamonova Ekaterina

Scientific supervisor, candidate of Pedagogical Sciences, associate professor, Kazan state Power Engineering University,

Russia, Kazan

АННОТАЦИЯ

Статья содержит информацию о нейронных сетях; о истории их создания; преимуществах и отставаниях нейронных сетей; как работает нейронная сеть; примеры применения нейронных сетей.

ABSTRACT

The article contains information about neural networks; about the history of their creation; advantages and disadvantages of neural networks; how a neural network works; examples of the use of neural networks.

Ключевые слова: нейронные сети, искусственный интеллект, нейросеть, машинное обучение, алгоритмы.

Keywords: neural networks, artificial intelligence, neural network, machine learning, algorithms.

Нейронные сети часто воспринимаются как своего рода инновационная технология, которая является частью мира будущего. Однако разработки в этой области начались более полувека назад, хотя прорыв произошел относительно недавно. Для людей, далеких от программирования, работа нейронной сети подобна чуду, а ее возможности кажутся безграничными.

Несмотря на действительно выдающиеся возможности в определенных областях, нейронные сети имеют свои особенности и ограничения.

История нейронных сетей

Когда ученые начали задумываться о процессах, происходящих в мозге каждого человека, появилась теория существования нейронных связей. В 1943 году американские ученые Уолтер Питтс и Уоррен Маккалок решили заняться этой проблемой и поняли, что нейронные сети-это сложный механизм, требующий особого внимания. Вы создали модель, способную выполнять самые простые логические задачи. Ученые доказали, что могут его развить. Дальнейшее развитие нейронных сетей можно описать следующим образом:

1. в 1949 году ученый Дональд Хебб разработал алгоритм вычисления нейронной сети.

2. в 1958 году Фрэнк Розенблатт представил модель, имитирующую то, что происходит в человеческом мозге, персептрон.

3. в 1986 году группа ученых из СССР и США разработала многослойный персептрон.

4. в 2007 году Джеффри Хинтон привел пример алгоритма для углубленного изучения сложных нейронных процессов.

Основой для создания INS является человеческий мозг, где в процессе сложного взаимодействия между нейронами синаптической связи выполняется множество различных функций организма. Роль нейронов в искусственных устройствах выполняют простейшие процессоры, объединенные в большую сеть, а потому способные решать довольно сложные задачи.

Перечислим основные преимущества INS: возможность игнорировать лишнюю информацию; Способность оставаться функциональной, когда отдельные элементы теряются; Работа на высокой скорости.

Их можно использовать в качестве эффективного дополнения к другим методам, но они не являются единственным способом достижения цели. На это есть несколько причин: ответ, предложенный INS, не является абсолютно точным, а только приблизительным; Каждый искусственный нейрон действует независимо от своих соседей, он не соотносит свое поведение с другими микропроцессорами.

Как работает нейронная сеть?

Нейронная сеть имитирует работу нервной системы человека, особенностью которой является способность к самообучению с учетом предыдущего опыта. Таким образом, система каждый раз совершает меньше ошибок.

Как и наша нервная система, нейронная сеть также состоит из отдельных вычислительных элементов нейронов, расположенных в нескольких слоях. Данные, поступающие на вход нейронной сети, обрабатываются последовательно на каждом уровне сети. В то же время у каждого нейрона есть определенные параметры, которые могут меняться в зависимости от полученных результатов, это сетевое обучение.

Допустим, задача нейронной сети-отличить кошек от собак. Для настройки нейронной сети предоставляется большое количество подписанных изображений кошек и собак. Нейронная сеть анализирует характеристики (включая линии, формы, их размер и цвет) этих изображений и создает модель распознавания, которая сводит к минимуму процент ошибок по сравнению с результатами тестов.

Примеры успешного применения нейронных сетей.

1. распознавание голоса: нейронные сети используются в современных системах распознавания речи, таких как Siri и Google Assistant    *(По требованию Роскомнадзора информируем, что иностранное лицо, владеющее информационными ресурсами Google является нарушителем законодательства Российской Федерации – прим. ред.). Они могут распознавать естественный язык и выполнять такие задачи, как поиск информации в Интернете или управление устройствами домашней автоматизации.

2. обработка изображений: нейронные сети используются для обработки изображений в таких областях, как медицина, автомобильная промышленность и компьютерное зрение. Вы можете распознавать лица, определять возраст и пол, диагностировать заболевания с помощью медицинских изображений.

3. прогнозирование: нейронные сети используются для прогнозирования будущих событий в таких областях, как Финансы, Экономика и маркетинг. Вы можете анализировать большие объемы данных и прогнозировать тенденции и тенденции.

4. автоматический перевод: нейронные сети используются для автоматического перевода текстов и речи на разные языки. Вы можете переводить документы, веб-страницы и даже разговоры в режиме реального времени.

5. справочные системы: нейронные сети используются в справочных системах, которые предоставляют пользователям персонализированные рекомендации, основанные на их предпочтениях и поведении. Вы можете предлагать фильмы, музыку, книги и другие товары, которые могут показаться пользователям интересными.

Заключение

Нейронные сети, технология середины прошлого века, в настоящее время меняют работу целых отраслей. Реакция общества неоднозначна: некоторые люди в восторге от возможностей нейронных сетей, в то время как другие вынуждены сомневаться в их полезности в качестве специалистов.

Но не везде, где появляется машинное обучение, оно перемещает людей. Если нейронная сеть диагностирует лучше, чем живой врач, это не означает, что в будущем нас будут лечить исключительно роботы. Врач с большей вероятностью будет работать с нейронной сетью. Точно так же суперкомпьютер IBM Deep Blue выиграл у Гарри Каспарова в шахматах в 1997 году, но шахматисты никуда не исчезли, а знаменитые гроссмейстеры до сих пор появляются на обложках глянцевых журналов.

Список литературы:

1. Нейронные сети: как работают и где используются. – URL: https://gb.ru/blog/nejronnye-seti/
2. Нейросети: как искусственный интеллект помогает в бизнесе и жизни – URL: https://habr.com/ru/articles/337870/
3. ДОРОГА ВПЕРЕД: ЗАХВАТЫВАЮЩИЕ И БЕСКОНЕЧНЫЕ ВОЗМОЖНОСТИ НЕЙРОННЫХ СЕТЕЙ – URL: https://neuralinsight.ru/doroga-vpered-zahvatyvayushhie-i-beskonechnye-vozmozhnosti-nejronnyh-setej/
4. Нейронные сети – что это такое, история развития, возможности и сферы применения – URL: https://infourok.ru/user/koloskova-galina-aleksandrovna/blog/neyronnie-seti-chto-eto-takoe-istoriya-razvitiya-vozmozhnosti-i-sferi-primeneniya-125666.html