Вывод - Нейронные сети

Основными интересными на практике возможностями нейронных сетей являются такие:

Существование быстрых алгоритмов обучения: нейронная сеть даже при сотнях входных сигналов и десятках-сотнях тысяч эталонных ситуаций может быть быстро обучена на обычном компьютере. Поэтому нейронные сети имеют широкий круг применимости и позволяют решать сложные задачи прогноза, классификации или диагностики.

Возможность работы при наличии большого числа неинформативных, шумовых входных сигналов ? предварительного их отсева делать не нужно, нейронная сеть сама определит их малопригодность для решения задачи и может их явно отбросить.

Возможность работы со скоррелированными независимыми переменными, с разнотипной информацией ? непрерывнозначной и дискретнозначной, количественной и качественной, что часто доставляет затруднение методам статистики

Нейронная сеть одновременно может решать несколько задач на едином наборе входных сигналов ? имея несколько выходов, прогнозировать значения нескольких показателей.

Алгоритмы обучения накладывают достаточно мало требований на структуру нейронной сети и свойства ее нейронов. Поэтому при наличии экспертных знаний или в случае специальных требований можно целенаправленно выбирать вид и свойства нейронов и нейронной сети, собирать структуру нейронной сети вручную, из отдельных элементов, и задавать для каждого из них нужные свойства.

Нейронный сеть автоматизация прогнозирование

Похожие статьи




Вывод - Нейронные сети

Предыдущая | Следующая