цифровую технологию. Но, хотя процессоры современных компьютеров и производят миллиарды операций в секунду, существует множество задач, выполнение которых для них либо невозможно, либо занимает чрезвычайно много времени. Например, задачи распознавания образов, поиск оптимальных решений и т.д.
Между тем существует биологический механизм, легко решающий множество подобных задач практически мгновенно. Речь идет о человеческом мозге. К примеру, человек мгновенно может узнать предмет независимо от того, под каким углом он его видит.
Другой особенностью человеческого мозга, недоступной традиционным компьютерам является способность к обучению. Человеческий мозг способен накапливать знания, а также создавать новые знания на их основе.
Исследованием работы мозга в последние десятилетия занимаются все ведущие страны мира. С каждым годом объем знаний о мозге увеличивается по экспоненциальному закону.
По данным нейробиологии нервная система человека и животных состоит из отдельных клеток – нейронов. В мозге человека их число достигает 1010-1012. Каждый нейрон связан с 103-104 другими нейронами. Вместе с тем время срабатывания нейронов является небольшой величиной и равно 2-5 мс.
Математические модели, повторяющие структуру мозга, получили название нейронных сетей. Искусственные нейронные сети, также как и естественные, состоят из множества связанных между собой элементов – нейронов.
В результате исследований нейронных сетей появилось альтернативное направление развития вычислительной техники – нейрокомпьютеры.
На следующем шаге задаем параметры обучения сети. Всю начальную выборку разделим на две части: обучающую и тестовую, которая не участвует в обучении и необходима для контроля правильности прогноза.
Предстоит определить соотношение этих двух частей (рекомендуется в обучающую выборку брать 80% всех примеров),
скорость обучения (грубо говоря, шаг изменения синаптических весов) и
задать точность прогноза, приемлемую в вашем случае.
Задаем критерий останова обучения. Это может быть либо превышение определенного количества эпох (одна эпоха – полный цикл прохождения информации от входа к выходу и изменение состояния нейронов), либо останов по достижении заданной точности в тестовой или обучающей выборке.