Министерство образования Российской Федерации
Владимирский государственный университет
В. Н. ГОРЛОВ
ПРИКЛАДНЫЕ
НЕЙРОКОМПЬЮТЕРНЫЕ
СИСТЕМЫ
Учебное пособие
Владимир 2003
УДК 681. 31: 612. 822
Г69
Рецензенты:
Доктор физико-математических наук, профессор,
зав. кафедрой математического анализа
Владимирского государственного педагогического университета
В. В. Жиков
Кандидат технических наук, доцент кафедры информатики
Всероссийского заочного финансово-экономического
института (г. Владимир)
А. А. Левкин
Печатается по решению редакционно-издательского совета
Владимирского государственного университета
Горлов В. Н. Г69 Прикладные нейрокомпьютерные системы: Учеб. пособие / Владим. гос. ун-т. Владимир, 2003. 128 с. ISBN 5-89368-389-7
Посвящено одному из современных направлений в области информатики и вы-
числительной техники – нейрокомпьютерным технологиям. Рассмотрены вопросы тео-
рии искусственных нейросетей, большое внимание уделено программным имитацион-
ным моделям нейронных сетей, а также решению с их помощью практических задач
распознавания образов, идентификации, оптимизации.
Предназначено для студентов четвертого курса специальности 010200 – приклад-
ная математика и информатика, изучающих курсы «Базы данных и экспертные систе-
мы» и «Методы оптимизации управления». Может быть использовано в лекционных
курсах студентами специальностей, связанных с подготовкой специалистов по вычис-
лительной технике, – 220100, 220200, 220300 и 220400. Табл. 2. Ил. 47. Библиогр. : 30 назв. УДК 681. 31: 612. 822
© Владимирский государственный
ISBN 5-89368-389-7 университет, 2003
2
Предисловие
В настоящем учебном пособии предпринята попытка кратко изложить
основные понятия и методы моделирования нейронных сетей, а также по-
казать возможности применения нейрокомпьютерной техники для реше-
ния практических задач. Нейрокомпьютеры олицетворяют собой новую
технологию обработки информации, связанную с переходом на принципи-
ально новый нейросетевой логический базис. Это является объективной
причиной резкого повышения отношения производительности к стоимости
при решении сложных задач и, как следствие, причиной появления прин-
ципиально новых задач, которые ранее не решались. Искусственные нейронные сети строятся по принципу организации и
функционирования их биологических аналогов. Определение многослой-
ных нейронных сетей было впервые введено Ф. Розенблаттом в его клас-
сической работе [23] и более ранних его работах и понимается как особое
свойство структуры преобразования, осуществляемого разомкнутой ней-
ронной сетью при топологическом, а не символическом описании. Базо-
выми понятиями теории нейронных сетей являются:
- входной и выходной сигналы;
- желаемый выходной сигнал;
- функционалы первичной и вторичной оптимизации;
- алгоритмы поиска экстремума функционала вторичной оптимизации
как алгоритмы адаптивного управления в нейронных сетях.