Математическое и программное обеспечение обработки многомерных данных нейронными сетями

• Автор: Прасолова, Ангелина Евгеньевна
• Шифр специальности: 05.13.11, 05.13.01
• Научная степень: Кандидатская
• Год защиты: 2007
• Место защиты: Курск
• Количество страниц: 140 с. : ил.

ОГЛАВЛЕНИЕ
ВВЕДЕНИЕ

Глава 1. НЕЙРОН 1ЫЕЕ СЕТИ ДЛЯ ОБРАБОТКИ ИНФОРМАЦИИ

1.1 История развития нейронных сетей.

1.2. Биологический нейрон.

1.3. Классификация искусственных нейронных сетей.

1.4. Применение искусственных нейронных сетей в задачах обработки информации.

ГЛАВА 2. РАСПОЗНАВАНИЕ ОБРАЗОВ И РАСПОЗНАВАНИЕ ИЗОБРАЖЕНИЙ

2.1. Общая характеристика задач распознавания образов.

2.2. Распознавание изображений.

2.3. Статистические и нейросетевые методы распознавания изображений.

2.4. Детерминированные и нейросетевые методы распознавания изображений.
Выводы по главе 2.
ГЛАВА 3. СТАТИСТИЧЕСКИЕ И НЕЙРОСЕТЕВЫЕ АЛГОРИТМЫ ОБНАРУЖЕНИЯ СИГНАЛОВ
3.1 Основные теоретические предпосылки для построения статистических алгоритмов обнаружения сигналов.
3.2 Оптимальные статистические и нейросетевые обнаружители.
3.3 Непараметрические и нейросетевые обнаружители сигналов.
Выводы по главе 3.
ГЛАВА 4. ДИАГНОСТИКА ИНФАРКТА МИОКАРДА НЕЙРОННОЙ СЕТЬЮ ХЕММИНГА
4.1. Медицинская диагностика и распознавание образов.
4.2. Задачи диагностики инфаркта миокарда.
4.3. Обработка электрокардиограмм искусственными нейронными сетями.
Выводы по главе 4.
ОСНОВНЫЕ ВЫВОДЫ ПО ДИССЕРТАЦИИ
БИБЛИОГ РАФИЧЕСКИЙ СПИСОК ИСПОЛЬЗОВАННОЙ ЛИТЕРАТУРЫ
Введение
Актуальность


В пятидесятые и шестидесятые годы группа исследователей, объединив теории Хебба, Мак-Каллока-Питса и накопленные экспериментальные биологические и физиологические данные, создала первые искусственные нейронные сети. Выполненные первоначально как электронные сети, они были позднее перенесены в более гибкую среду компьютерного моделирования, сохранившуюся и в настоящее время. Минский, Розенблатт, Уидроу и другие разработали сети, состоящие из одного слоя искусственных нейронов, названных Розенблатгом персептроном (от лат. В своем фундаментальном труде [] Розенблатт определяет персептрон как «некоторое множество элементов(«нейронов»), генерирующих сигналы, связанных в единую сеть». Эти сети были использованы для такого широкого класса задач, как предсказание погоды, анализ электрокардиограмм и искусственное зрение. В отличие от других сетей, персептрон Розенблатта допускал большую свободу установления связей по сравнению с сетями с заранее заданными логическими алгоритмами. Основная идея подхода Розенблатта состояла в замене логических схем системами, действующими на основе статистического описания слоев элементов персептрона. В г. Уидроу и Хофф разработали модель нейрона, которая обучалась быстрее и более точно, чем персептрон. Алгоритм настройки этой модели, названной адышны ( сокр. Этим алгоритмом впервые была введена концепция обучения с учителем. В течение некоторого времени казалось, что ключ к интеллекту найден, и воспроизведение человеческого мозга является лишь вопросом конструирования достаточно большой сети. Но эта иллюзия скоро рассеялась. Нейросети не могли решать некоторые задачи, внешне весьма сходные с теми, которые они успешно решали. С этих необъяснимых неудач начался период интенсивного анализа. М.Минский, используя точные математические методы, строго доказал ряд теорем, относящихся к функционированию сетей. Его исследования привели к написанию книги [], в которой он вместе с Пайпертом доказал, что используемые в то время однослойные сети теоретически неспособны решить многие простые задачи, в том числе реализовать функцию «Исключающее ИЛИ». Минский также не был оптимистичен относительно потенциально возможного здесь прогресса. Блеск и строгость аргументации Минского, а также его авторитет породили огромное доверие к книге - ее выводы были неуязвимы. Разочарованные исследователи оставили поле исследований ради более обещающих областей, и искусственные нейронные сети были забыты почти на два десятилетия. Однако несколько наиболее настойчивых ученых, таких как Кохонен, Гроссберг, Андерсон продолжили исследования. И только в г. Дж. Хопфилда, где была описана специальная динамическая структура, получившая название сети Хопфилда [, ]. В г. МНС), получившую название метод обратного распространения ошибки []. Важный класс искусственных нейронных ’ сетей был введен Т. Кохоненом в г. В теории сетей Кохонена используется алгоритмическая теория адаптивных систем. В развитие теории нейронных сетей значительный вклад внесли также советские и российские ученые. Еще в году А. Я. Червоненкисом и В. Н. Вапником были разработаны основы «теории размерности», позволившей дать оценку возможностей обучающихся систем, в том числе и нейронных сетей. А.Н. Горбань, ряд работ по многослойным системам распознавания образов был опубликован в начале -х годов А. И. Галушкиным. Нервная система человека, построенная из элементов, называемых нейронами (от греч. Около м нейронов участвуют в примерно передающих связях, имеющих длину метр и более. Каждый нейрон обладает многими качествами, общими с другими элементами тела, но его уникальной способностью является прием, обработка и передача электрохимических сигналов по нервным путям, которые образуют коммуникационную систему мозга. Каждый нейрон состоит из сомы (клетки диаметром от 3 до 0 мкм, содержащей ядро и другие клеточные органеллы, погруженные в цитоплазму) и отростков - аксонов и дендритов. Нейрон, схема которого представлена на рис. Скорость распространения импульса в аксоне существенно меньше скорости электрического сигнала в металлическом проводнике и составляет примерно 0 м/с. От каждого нейрона отходит только один аксон. Биологический нерв - это совокупность аксонов.