57 просмотров

Искусственный интеллект — нейронные сети

Искусственный интеллект в разработке игр на Javascript — Tic Tac Toe AI

Еще одна область исследований в области ИИ, нейронные сети, вдохновлена ​​естественной нейронной сетью нервной системы человека.

Что такое искусственные нейронные сети (ИНС)?

Изобретатель первого нейрокомпьютера, доктор Роберт Хехт-Нильсен, определяет нейронную сеть как —

«…вычислительная система, состоящая из ряда простых, сильно взаимосвязанных элементов обработки, которые обрабатывают информацию в соответствии с их динамическим откликом состояния на внешние входные данные».

Базовая структура ИНС

Идея ИНС основана на вере в то, что работу человеческого мозга, создавая правильные соединения, можно имитировать, используя кремний и провода как живые. нейроны а также дендриты.

Человеческий мозг состоит из 86 миллиардов нервных клеток, называемых нейроны. Они связаны с тысячей других клеток Аксоны. Раздражители из внешней среды или входы от органов чувств воспринимаются дендритами. Эти входы создают электрические импульсы, которые быстро проходят через нейронную сеть. Затем нейрон может отправить сообщение другому нейрону для решения проблемы или не отправлять его дальше.

Структура нейрона

ИНС состоят из нескольких узлы, имитирующие биологические нейроны человеческого мозга. Нейроны связаны связями и взаимодействуют друг с другом. Узлы могут принимать входные данные и выполнять с ними простые операции. Результат этих операций передается другим нейронам. Выход в каждом узле называется его активация или же значение узла.

Каждая ссылка связана с масса. ИНС способны к обучению, которое происходит путем изменения значений веса. На следующем рисунке показана простая ИНС —

Типичная ИНС

Типы искусственных нейронных сетей

Существует две топологии искусственной нейронной сети: FeedForward а также Обратная связь.

Статья в тему:  Что такое искусственный интеллект для 5 класса

Фидфорвард ИНС

В этой ИНС информационный поток является однонаправленным. Блок отправляет информацию другому блоку, от которого он не получает никакой информации. Петли обратной связи отсутствуют. Они используются для генерации/распознавания/классификации образов. Они имеют фиксированные входы и выходы.

Фидфорвард ИНС

ИНС обратной связи

Здесь разрешены петли обратной связи. Они используются в запоминающих устройствах с адресацией по содержанию.

ИНС обратной связи

Работа ИНС

На показанных диаграммах топологии каждая стрелка представляет собой соединение между двумя нейронами и указывает путь для потока информации. Каждое соединение имеет вес, целое число, которое управляет сигналом между двумя нейронами.

Если сеть генерирует «хороший или желаемый» результат, нет необходимости корректировать веса.Однако, если сеть генерирует «плохой или нежелательный» вывод или ошибку, система изменяет веса, чтобы улучшить последующие результаты.

Машинное обучение в ИНС

ИНС способны к обучению, и их необходимо обучать. Есть несколько стратегий обучения —

  • Контролируемое обучение − В ней участвует учитель, более образованный, чем сама ИНС. Например, учитель передает некоторые примерные данные, ответы на которые учитель уже знает. Например, распознавание образов. ANN выдвигает предположения при распознавании. Затем учитель предоставляет ИНС ответы. Затем сеть сравнивает свои догадки с «правильными» ответами учителя и вносит коррективы в соответствии с ошибками.
  • Неконтролируемое обучение − Требуется, когда нет примера набора данных с известными ответами. Например, поиск скрытого шаблона. В этом случае кластеризация, т.е. разделение набора элементов на группы по какому-то неизвестному шаблону, осуществляется на основе имеющихся существующих наборов данных.
  • Обучение с подкреплением − Эта стратегия построена на наблюдении. ANN принимает решение, наблюдая за окружающей средой. Если наблюдение отрицательное, сеть корректирует свои веса, чтобы иметь возможность принять другое требуемое решение в следующий раз.
Статья в тему:  Как создать базу знаний искусственного интеллекта

Алгоритм обратного распространения

Это алгоритм обучения или обучения. Оно учится на примере. Если вы отправляете алгоритму пример того, что вы хотите, чтобы сеть делала, он меняет веса сети, чтобы она могла выдавать желаемый результат для определенного ввода по завершении обучения.

Сети обратного распространения идеально подходят для простых задач распознавания образов и сопоставления.

Байесовские сети (БС)

Это графические структуры, используемые для представления вероятностных отношений между набором случайных величин. Байесовские сети также называются Сети убеждений или же Байесовские сети. Причина BN в неопределенном домене.

В этих сетях каждый узел представляет собой случайную величину с определенными предложениями.Например, в области медицинской диагностики узел Рак представляет предположение о том, что у пациента рак.

Ребра, соединяющие узлы, представляют собой вероятностные зависимости между этими случайными величинами. Если из двух узлов один влияет на другой, то они должны быть напрямую связаны в направлениях воздействия. Сила взаимосвязи между переменными количественно определяется вероятностью, связанной с каждым узлом.

Существует единственное ограничение на дуги в BN: вы не можете вернуться к узлу, просто следуя направленным дугам. Следовательно, BN называются направленными ациклическими графами (DAG).

BN могут одновременно обрабатывать многозначные переменные. Переменные BN состоят из двух измерений:

  • Диапазон предлогов
  • Вероятность присваивается каждому из предлогов.

Рассмотрим конечное множество X = 1, ИКС2, …,ИКСн> дискретных случайных величин, где каждая переменная Икся может принимать значения из конечного множества, обозначаемого Вал(Хя). Если есть направленная ссылка из переменной Икся переменная, ИксДж, затем переменная Икся будет родителем переменной ИксДж показывает прямую зависимость между переменными.

Статья в тему:  Как провести аудит искусственного интеллекта

Структура BN идеальна для объединения априорных знаний и наблюдаемых данных. BN можно использовать для изучения причинно-следственных связей и понимания различных проблемных областей, а также для прогнозирования будущих событий даже в случае отсутствия данных.

Построение байесовской сети

Инженер по знаниям может построить байесовскую сеть. Есть ряд шагов, которые должен предпринять инженер по знаниям при его создании.

Пример проблемыРак легких. У больного появилась одышка. Он посещает врача, подозревая, что у него рак легких. Врач знает, что, кроме рака легких, у пациента могут быть различные другие заболевания, такие как туберкулез и бронхит.

Соберите соответствующую информацию о проблеме

  • Курит ли больной? Если да, то высоки шансы заболеть раком и бронхитом.
  • Воздействует ли пациент на загрязненный воздух? Если да, то какое загрязнение воздуха?
  • Сделайте рентген. Положительный рентген покажет либо туберкулез, либо рак легких.

Определите интересные переменные

Инженер по знаниям пытается ответить на вопросы —

  • Какие узлы представлять?
  • Какие значения они могут принимать? В каком состоянии они могут быть?

А пока давайте рассмотрим узлы только с дискретными значениями. Переменная должна принимать ровно одно из этих значений за раз.

Общие типы дискретных узлов:

  • Логические узлы − Они представляют предложения, принимающие бинарные значения ИСТИНА (T) и ЛОЖЬ (F).
  • Упорядоченные значения − узел Загрязнение может представлять и принимать значения, описывающие степень подверженности пациента загрязнению.
  • Интегральные значения − узел, называемый Возраст может представлять возраст пациента с возможными значениями от 1 до 120. Даже на этом раннем этапе делается выбор для моделирования.
Статья в тему:  Каковы рабочие места в искусственном интеллекте

Возможные узлы и значения для примера рака легких —

Имя узлаТипЦенностьСоздание узлов
ЗагрязнениеБинарныйСоздание узла BNN
Курильщиклогический
Рак легкихлогический
Рентгеновский снимокБинарный

Создание дуг между узлами

Топология сети должна отражать качественные отношения между переменными.

Например, что вызывает у пациента рак легких? — Загрязнение окружающей среды и курение. Затем добавьте дуги из узла Загрязнение и узел Курильщик к узлу Рак легких.

Точно так же, если у пациента рак легких, то результат рентгена будет положительным. Затем добавьте дуги из узла Рак легких к узлу Рентгеновский снимок.

Создание дуги BNN

Укажите топологию

Обычно BN располагают так, чтобы дуги были направлены сверху вниз. Набор родительских узлов узла X задается Parents(X).

Рак легких node имеет двух родителей (причины или причины): Загрязнение а также Курильщик, а узел Курильщик является предок узла Рентгеновский снимок. Сходным образом, Рентгеновский снимок является дочерним элементом (следствием или эффектом) узла Рак легких а также преемник узлов Курильщик а также Загрязнение.

Условные вероятности

Теперь дайте количественную оценку отношений между связанными узлами: это делается путем указания условного распределения вероятностей для каждого узла. Поскольку здесь рассматриваются только дискретные переменные, это принимает форму Таблица условной вероятности (CPT).

Во-первых, для каждого узла нам нужно просмотреть все возможные комбинации значений этих родительских узлов. Каждая такая комбинация называется создание экземпляра родительского набора. Для каждого отдельного экземпляра значений родительского узла нам нужно указать вероятность, которую примет дочерний элемент.

Статья в тему:  Как цели устойчивого развития связаны с искусственным интеллектом

Например, Рак легких родители узла Загрязнение а также Курение. Они принимают возможные значения = < (H,T), (H,F), (L,T), (L,F)>. CPT определяет вероятность рака для каждого из этих случаев соответственно.

Каждый узел будет иметь условную вероятность, связанную следующим образом:

Вероятности

Приложения нейронных сетей

Они могут выполнять задачи, простые для человека, но сложные для машины —

  • Аэрокосмическая промышленность − Самолеты с автопилотом, обнаружение неисправностей самолета.
  • Автомобильный − Автомобильные системы наведения.
  • Военный − Ориентация и управление оружием, отслеживание целей, распознавание объектов, распознавание лиц, идентификация сигнала/изображения.
  • Электроника − Предсказание кодовой последовательности, компоновка интегральной схемы, анализ отказов микросхемы, машинное зрение, синтез речи.
  • финансовый − Оценка недвижимости, кредитный консультант, проверка ипотечных кредитов, рейтинг корпоративных облигаций, программа торговли портфелями, корпоративный финансовый анализ, прогнозирование стоимости валюты, считыватели документов, оценщики кредитных заявок.
  • промышленный − Контроль производственного процесса, проектирование и анализ продукции, системы контроля качества, анализ качества сварки, прогнозирование качества бумаги, анализ конструкции химической продукции, динамическое моделирование систем химических процессов, анализ технического обслуживания машин, тендеры по проектам, планирование и управление.
  • Медицинский − Анализ раковых клеток, анализ ЭЭГ и ЭКГ, конструкция протеза, оптимизатор времени трансплантации.
  • Речь − Распознавание речи, классификация речи, преобразование текста в речь.
  • Телекоммуникации − Сжатие изображений и данных, автоматизированные информационные службы, устный перевод в режиме реального времени.
  • Транспорт − Диагностика тормозной системы грузовых автомобилей, планирование транспортных средств, системы маршрутизации.
  • Программного обеспечения − Распознавание образов при распознавании лиц, оптическом распознавании символов и т. д.
  • Прогноз временных рядов − ИНС используются для прогнозирования запасов и стихийных бедствий.
  • Обработка сигналов − Нейронные сети можно научить обрабатывать звуковой сигнал и соответствующим образом фильтровать его в слуховых аппаратах.
  • Контроль − ИНС часто используются для принятия решений по управлению физическими транспортными средствами.
  • Обнаружение аномалий − Поскольку ИНС являются экспертами в распознавании шаблонов, их также можно обучить генерировать выходные данные, когда происходит что-то необычное, не соответствующее шаблону.
голоса
Рейтинг статьи
Статья в тему:  Сколько искусственного интеллекта должно быть в классе
Ссылка на основную публикацию
0
Оставьте комментарий! Напишите, что думаете по поводу статьи.x