Александр Кириченко - Нейросетевые технологии. Конспект стр 4.

1) Основы теории искусственных нейронных сетей

2) Нейросетевые исследования хозяйственных процессов (решение задач кластеризации, классификации, прогнозирования, узнавания, предсказания).

3) Конструирование искусственных нейронов и нейронных ансамблей для работы со смысловой частью информации

4) Нейросетевое программирование (от искусственных нейронных сетей до моделирования высшей нервной деятельности человека).

При изучении нейрокибернетики в первой части учащихся знакомят с устройством нейронных сетей и их возможностями. На практических занятиях изучается устройство и работа с нейропакетами Sharky, нейропакетом Пермской школы искусственного интеллекта, универсальным нейропакетом MemBrain.

Вторая часть даёт возможность познакомиться с другими нейропакетами (например, freeware нейропакетом Deductor Academic) и научиться решать практически возникающие задачи узнавания, классификации, прогнозирования, предсказания, сжатия, кластеризации объектов (образов). Для решения таких задач необходимы в основном простые нейросети типа перцептронов, сетей Кохонена, сетей Хопфилда, и др., которые можно отнести к нейроконструкциям первого уровня сложности.

Третья часть направлена на разработку и использование нейрокомпьютеров (проектирование и конструирование нейроконструкций (НК) на основе использования нейрологических элементов, таких как И, ИЛИ, НЕ; разработка программного обеспечения (ПО) НК; обучение НК решению различных классов задач).

Нейросетевые конструкции становятся более сложными, в них используется интерфейс пользователя, автоматизируется управление проведением нейросетевых исследований, нейрокомпьютерные элементы реализуются в виде искусственных нейронных ансамблей (ИНА).

Самое главное, что нейроконструкции этого уровня создаются для работы со смысловой частью информации:

 сопоставление сложных объектов и оценку их сходства;

 выделение типового объекта из группы однородных;

 поиск типичных черт, существенных признаков;

 формирование описания типового объекта, выделение его отличительных черт;

 определение понятий (дефиниции);

 выявление причинно-следственных связей;

 интерпретация связей и свойств исследуемых объектов;

 генерация гипотез;

 выявление закономерностей;

 самообучение, адаптация.

Если необходимых нейросетевых алгоритмов в момент исследования неизвестно, в таких нейроконструкциях допускается использование известных алгоритмов из математической статистики, например, для выявления причинно-следственных связей, формирования существенных признаков, генерации гипотез, а так же  таких конструкций, как систем управления базами знаний (СУБЗ). В них можно использовать не выполненные в виде нейронных сетей логические элементы, а обычные цифровые программы.