?
Искусственные нейронные сети: базовые принципы и возможные реализации
Существует множество задач, решаемых людьми, которые возможно частично или полностью автоматизировать. Одним из наиболее перспективных инструментов для этих целей являются искусственные нейронные сети. Нейронные сети представляют собой технологию на стыке множества дисциплин: физики, математики, статистики, компьютерных наук и техники. Они находят применение в широком спектре задач, таких как анализ временных рядов, регрессионный анализ, распознавание паттернов в изображениях и т.п. Нельзя не отметить важную особенность нейронных сетей: обучаться на данных как с участием учителя, так и проходить через процесс обучения без учителя. В статье рассматриваются основные термины и базовые принципы функционирования искусственных нейронных сетей. Приводится математическая модель работы искусственного нейрона. Описываются основные составляющие элементы искусственного нейрона, такие как синапсы, входы, аксоны и т.п. Обобщаются некоторые тонкости в оптимизационных процессах, а также приводятся основные виды активационных функций. Приводятся примеры программных реализаций нейронных сетей, рассматриваются конкретные прикладные кейсы, отмечаются их сильные стороны, а также некоторые ограничения. С учетом ограничений приводится альтернативная технология: аппаратные реализации искусственных нейронных сетей. Приводится краткая характеристика применения нейронных сетей в мире, рассматривается классификация аппаратных реализаций. В каждом классе выделяются особенности использования таких технологий, включая сильные и слабые стороны. Поднимается вопрос об актуальности проблемы поиска элементной базы для построения аппаратных решений в области искусственных нейронных сетей, приводятся аргументы в пользу развития аппаратных решений. Показано, что необходимо дальнейшее развитие элементной базы для построения искусственных нейронных сетей.