8.2. Основні поняття щодо нейрокомп’ютерних систем

Спочатку такі системи розвивалися як системи із застосуванням традіційних методів моделювання роботи мозку людини за допомогою великих ЕОМ. Але такий підхід не давав можливості реалізувати корисні в практиці функції мозку, зокрема асоціативне мислення. Цей недолік почав усуватися з використанням нейробіонічного підходу щодо реалізації комп’ютерної системи (звідси і назва - нейрокомп’ютер, скорочено НК).

Дійсно, на звичайній ЕОМ достатньо просто моделюються формально-логічні елементи мислення, але реалізувати здатність людини адаптуватися в змінних і слабо формалізуємих умовах зовнішнього оточення на сьогодні практично неможливо. І це незважаючи на те, що рівень сучасної технології по щільності упаковки обчислювальних елементів та по економічності енергопостачання може бути зіставлений з нервовою тканиною. Тому для одержання ефективних результатів, заснованих на реалізації адаптивної здатності мозку, в дійсний момент сформувався новий науково-практичний напрямок – створення НК.

Цей напрямок знаменує появу обчислювальних машин нового покоління, в яких основним блоком є не системна плата з процесором, а нейронні мережі. На відміну від класичного поняття “мережа”, в НК під мережею розуміється велика кількість паралельно з’єднаних та ієрархічно організованих в кожній окремій машині адаптивних елементів (нейронів) за зразком біологічної нервової тканини. Основні відмінності НК від ПК полягають в наступному:

- принципова інша організація обчислювань (за допомогою нейромереж);

- здатність к навчанню (за допомогою адаптивної настройки нейронів);

- висока завадо- і відмовостійкість (за рахунок інформаційної надмірності

нейромереж);

- здатність вирішувати задачі, спираючись на неповну або суперечливу

інформацію (звичайні математичні методи та експертні системи не в

змозі надати корисний результат, оскільки не мають асоціативного

мислення);

- можливість нарощувати потужність НК практично без обмежень (за

рахунок внутрішнього паралелизму нейронних мереж).

Структурна схема окремого нейрона з трьома сигнальними входами та входом зміщення на константу наведена на рис.8.2.

На даний час існує багато моделей нейромереж [8]. За обмеженим обсягом видання розглянемо стисло три моделі:

а) прямого розповсюдження (інша назва – багатошарові персептрони);

б) повнозв’язані мережі Хопфілда;

в) карти Кохонена.

Не зупиняючись на принципах організації мережі в кожному випадку, зазначимо, що усі вони використовують певний принцип настройки вагових коефіціентів нейронів.

w₁ w₂ w₃

Σ

s

X₂

3

s=Σ(w_i ∙ x_i)

i=1

X₃

W₀

Рис. 8.2. Структурна схема нейрона.

Технічно нейрон нагадує багатовходовий суматор, який виконує дві основні функції – складання сигналів з відповідними ваговими коефіціентами та нелінійне перетворювання (в самому простому випадку – порівняння з певним порогом, тобто f(s)=1 при s>θ, f(s)=0 при s≤ θ, θ - поріг спрацьовування).

Якщо рішення задачі користувача на звичайній ЕОМ відбувається за попередньо розробленою програмою, то НК, побудований за моделями “а” та “б” повинен попередньо себе настроїти (на основі відомої відповіді тестової задачі того ж типу). Настроюваними параметрами є вагові коефіціенти нейронів. Можлива настройка і без “вчителя” (самоорганізація за певним алгоритмом – так звані карти Кохонена в моделі “в”), але тоді клас вирішуваних задач звужується.

Основне місце НК на ринку послуг – фінансові задачі, в яких нейромережі проявляють себе найбільш ефективно. Особливо це стосується задач прогнозування та передбачення в дуже ризикових інвестиційних проектах великого обсягу (від 1 млрд дол. та вище), коли традиційні методи моделювання безсилі. Крім того, НК успішно вирішують задачі медичної та промислової діагностики, надзвичайних ситуацій.

Нейромережі складають основу не тільки відповідних нейрокомп’ютерів, але й програмних пакетів-імітаторів та плат-акселераторів для ПК. Для відпрацювання методології вирішення задач в нейромережній постановці на перших кроках часто достатньо скористатися спеціалізованими програмними пакетами для “звичайних” комп’ютерів. Один з найбільш відомих таких пакетів – “The AI Trilogy” (“Трилогія штучного інтелекту”) американської фірми Ward Systems Group. Пакет встановлений у 150 найкрупніших банках США і багаторазово перемагал в престижних конкурсах популярних фінансових видань. Експлуатація відрегульованого пакету під силу навіть школяру. Звичайно, вартість пакетів-імітаторів на сьогодні дуже велика (сотні тисяч дол.), до того ж настроювання нейромережі на перших кроках можливе тільки за допомогою спеціалістів, але й термін окупності може бути вражаючим.