Студопедия

Главная страница Случайная страница

КАТЕГОРИИ:

АвтомобилиАстрономияБиологияГеографияДом и садДругие языкиДругоеИнформатикаИсторияКультураЛитератураЛогикаМатематикаМедицинаМеталлургияМеханикаОбразованиеОхрана трудаПедагогикаПолитикаПравоПсихологияРелигияРиторикаСоциологияСпортСтроительствоТехнологияТуризмФизикаФилософияФинансыХимияЧерчениеЭкологияЭкономикаЭлектроника






Применение нейросетевой технологии






Новые идеи в области нейросетей довольно быстро нашли практическое применение и вызвали к жизни новый тип микроэлектронной техники - нейропроцессоры и нейрокомпьютеры (НК). В 1986 г. калифорнийский биофизик Т. Сеймовский уже смог создать техническое устройство подобного типа. Система начинала работать "в полном невежестве", но если ей указывали на ошибки, она их больше не повторяла. Эти идеи были подхвачены американской компанией TRW, ее исследовательским центром во главе с Р.Хехт-Нильсеном.

Во многих странах создаются новые исследовательские центры, тратятся десятки миллионов долларов. В разработку НК включились в Америке - IBM,ATT, "Texas Instuments"; в Японии - "Ниппон Электрик", "Фудзизу"; в Западной Европе - "Бюль", "Томсон", "Рон-Пуленк" и множество других известных компаний. Возникли новые фирмы, специализирующиеся на нейросетевой технологии.

Современные нейросети включают возможности: читать цифры и слова; узнавать лицо человека по небольшому фрагменту фотографии; по обрывкам сведений восстанавливать всю информацию, относящуюся к делу; вести разведку на поле боя; обнаруживать малозаметные летательные аппараты; распознавать цели; вести общее руководство боевыми действиями. В области технологии они позволяют управлять технологическими процессами, перенимая опыт квалифицированных операторов, обнаруживать неисправности в сложных системах, предвидеть и предотвращать возможные ошибки и аварии. Вот ряд конкретных примеров.

Фирма NEC (Япония) объявила, что ею было создано устройство для визуального распознавания букв. Точность распознавания превысила 99%. Успех был достигнут за счет интеграции обычных алгоритмов с нейросетью, работающей по методу обратного распространения ошибки.

В университете Дж.Гопкинса ( США) создана нейронная сеть "Net-Talk", предназначенная для чтения вслух печатного текста (300 нейронов, 10 000 связей, слова создаются синтезаторами). За восемь дней сеть освоила 20 000 английских слов. По свидетельству очевидцев, звучание текста очень напоминает голос ребенка на различных этапах обучения речи.

Фирма "Белл" реализовала нейросеть в виде микросхемы (54 простейших процессора, 114 400 нейронов, образованных в светочувствительной пленке из аморфного кремния на стеклянной подложке). После тренировки может распознавать изображение по его части.

Во всех приложениях отмечается высокая надежность нейросетей: сеть продолжает работать, даже если 15% ее элементов вышли из строя.

Вот еще ряд быстроразвивающихся направлений применения нейросетевой технологии.



Чтение печатного текста ( фирмы Sharp Corp., Mitsubishi Electric Corp., VeriFon Inc., Hecht-Nielsen Corp., Nestor Inc. и др.). Оптическая система распознавания (Optical Character Recognition) фирмы Sharp используется для распознавания японских иероглифов; содержит порядка 10 млн связей и использует разновидность алгоритма LVQ Кохонена; превосходит существующие системы по скорости и точности. Система Onyx Check Reader фирмы VeriFon обеспечивает точное и недорогое считывание чисел на чеках, используя стандартный аналоговый нейрочип фирмы Synaptics. Фирма Calera Recognition Systems продает систему FaxGrabber, которая автоматически превращает поступающий факс в текст, используя в качестве алгоритма модификацию радиальной базисной функции. Фирма Audre Recognition Systems использует вариант алгоритма обратного распространения в устройстве Audre Neural Network, который не только читает стандартный буквенно-цифровой текст, но может быть обучен распознаванию специальных символов, используемых в технических чертежах.

Распознавание ручного печатного шрифта. Система Quickstrokes Automated Data Entry System (Hecht-Nielsen Corp., США) была использована для обработки чеков. Компания Wyoming до этого теряла примерно 300 000 дол. в год из-за задержек на этой операции. Фирма Poqet Computer использует сеть NestorWriter для распознавания рукописных символов на персональных компьютерах с перьевым вводом.

Контроль качества на производстве:анализ спектроскопических данных в химической промышленности [6, 7], классификация дефектов громкоговорителей (CTS Electronics) [1], оценка чистоты апельсинового сока (Florida Departamen of Citrus).



Идентификация событий в ускорителях частиц (CERN и ряд других исследовательских организаций). Быстрая аналоговая нейросеть используется в реальном времени для включения детекторов частиц. Это позволяет отобрать из огромного числа событий приемлемое множество интересных событий, заслуживающих дальнейшего изучения. Аналогичная работа проводится в Fermi National Accelerator Laboratory (США) с использованием разработанного в фирме Intel высокоскоростного аналогового нейрочипа ETANN.

Разведка нефти. Нефтяные компании Arco, Texaco и другие используют нейросети для поиска месторождений нефти и газа.

Борьба с наркотиками. Система на базе ПЭВМ, эмулирующая нейросеть, в Nort Carolina State Bureau of Investigation (США) помогает идентифицировать образцы кокаина, имеющие одинаковое происхождение. Это позволяет выявить группы связанных друг с другом распространителей наркотиков.

Медицинские приложения. Фирма Neuromedical Systems Inc. предлагает электроэнцефалографы, аппаратуру для скриннинга рака и другое оборудование, основанное на нейросетевой технологии. Система Papnet способна помочь цитологу обнаружить раковые клетки; используется в US Food and Drug Administration (США).

Финансовый анализ и прогнозирование. Нейросети используются для этих целей многими инвестиционными фирмами (Merrill Lynch & Co., Salomon Brothers, Shearson Lehman Brothers Inc., Citibank, World Bank). Фирма Promised Land Technologies предлагает недорогой пакет, обещающий существенное улучшение эффективности инвестиций. Chase Manhatten Bank использует гибридную систему распознавания образов с нейросетью для оценки риска при выдаче займов. Фирма Foster Ousley Conley использует систему, разработанную в компании Hecht-Nielsen Corp., для оценки стоимости собственности в Калифорнии. Система Target Marketing System используется компанией Veratex Corp. (США) для оптимизации рыночной стратегии. Фирма Spiegel Iпс использует программы, созданные компанией Neural-Ware Inc., для определения потенциальных покупателей; ожидается экономия по крайней мере 1 млн дол. в год за счет увеличения продаж и сокращения затрат на бесперспективных покупателей.

Управление и оптимизация. Интеллектуальный контроллер на основе нейросетевой технологии для управления дуговой печью, установленный фирмой Neural Application Corp., позволяет сберечь миллионы долларов в год на один агрегат. Фирма Copin Corp. использует нейросеть в производстве солнечных элементов. Фирма Pavilion Technologies разработала нейросеть, которая используется в ряде компаний для управления качеством продукции. Техасская фирма Puget Sound Refinery включила нейросети в систему управления очисткой нефти. Одна из таких сетей используется в управлении дебутанайзером - системой, которая разделяет углеводороды по их молекулярным весам. Это требует точного управления температурами, давлениями и скоростями потоков. Семнадцатичасовой цикл подвержен постоянной нестабильности. Нейросеть из семи входных и двух выходных нейронов была обучена на 1500 примерах и способна предупреждать ошибки до того, как они появляются, обеспечивая высокое качество продукта в периоды нестабильности. Фирма Nippon Steel Corp. (США) использует нейросеть для предотвращения нарушений в процессе выплавки стали. Система обучалась методом обратного распространения ошибки и успешно работает с 1990 г. В химической и пищевой промышленности нейросеть CAD/Chem фирмы AI Ware (США) используется для оптимизации рецептуры производимых продуктов.

Военные приложения. Фирма US Naval Air Warfare Center (США) использует нейросети для управления снарядами и других военных приложений. Установлено, что там, где требуются быстрые решения, нейросети имеют огромные преимущества перед обычными методами. Фирма Lockheed (США) разрабатывает систему управления воздушным боем для истребителя, основанную на прогнозировании возможных действий противника. Система использует нейросеть для интеграции многоканальных данных об образцах полета и воздушного боя.

ЛИТЕРАТУРА

1. Абу-Мостафа Я., Псалтис Д. Оптические нейронно-сетевые компьютеры//В мире науки.-1987, № 5. - С. 42-50.

2. Айзерман М.А., Браверман Э.М., Розоноэр Л.И. Метод потенциальных функций в теории обучения машин.- М: Наука, 1970. - 383с.

3. Айзерман М.А., Браверман Э.М., Розоноэр Л.И. Теоретические основы метода потенциальных функций в задаче об обучении автоматов разделению входных ситуаций на классы// Автоматика и телемеханика. - 1964. - № 6.

4. Барцев С.И., Гилев С.Е., Охонин В.А. Принцип двойственности в организации адаптивных сетей обработки информацик//Динамика хим. и биол. систем. - 1955. - №6.

5. Барцев С.И., Охонин В.А. Адаптивные сети обработки информации.- Красноярск: Ин-т физики СО АН СССР, 1986, Препринт 59Б. - 20с.

6. Бонгард М.М. Проблема узнавания.- М.: Наука, 1967. - 320с.

7. Вапник В.Н. Червоненкис А.Н. Об одном классе персептронов//Изв. АН СССР, Тех. кибернетика. - 1964. - № 1.

8. Голицын Г. А. Применение нейросетевой технологии в ЭС// Материалы семинара "Экспертные системы реального времени". - М., РДЗ, 1995.

9. Голицын Г.А., Фоминых И.Б. Интеграция нейросетевой технологии с экспертными системами// Труды 5 Национальной конференции по ИИ. - Казань, 1996.

10. Голицын Г.А., Петров В.М. Гармония и алгебра живого.- М.: Знание, 1990. - 128с.

11. Голицын Г.А., Петров В.М. Информация - поведение - творчество.- М.: Наука, 1991. - 224с.

12. Дуда Р., Хорт П. Распознавание образов и анализ сцен.- М.: Мир, 1976. -512с.

13. Ивахненко А.Г. Персептроны.- Киев: Наукова думка, 1974.

14. Лоскутов А.Ю., Михайлов А.С. Введение в синергетику.- М.: Наука, 1990,

- 272с.

15. Маккаллок У.С., Питтс У. Логическое исчисление идей, относящихся к нервной деятельности.- М.:Иностр. лит., 1956.

16. Минский М.Л., Пейперт С. Персептроны.- М.: Мир, 1971.

17. Розенблатт Ф. Принципы нейродинамики.- М.: Мир, 1965. - 480 с.

18. Уоссермен Ф. Нейрокомпьютерная техника.- М.:Мир, 1992.

19. Hebb D.O. The Organization of Behavior.- NY.: Wiley, 1949.

20. Hopfield J.J. Neural Network and Physical Systems with Emergent Collective Computational Abilities.//Proc.Nat. Acad. Science USA, 1982 - V.79, Pp.2554-2558.

21. Rumelhart D.E.. Hinton G.E., Williams R.J. Learning internal Representations by Error propagation.//Parallel distributed pocessing, - V .1. - Cambridge (MA): MIT Press, 1968. - P. 318-362.

22. Trelieven P. Neurocomputers.- L.: University College, 1989.




mylektsii.ru - Мои Лекции - 2015-2020 год. (0.028 сек.)Все материалы представленные на сайте исключительно с целью ознакомления читателями и не преследуют коммерческих целей или нарушение авторских прав Пожаловаться на материал