Заказ работы

Заказать
Каталог тем

Самые новые

Значок файла Определение показателя адиабаты воздуха методом Клемана-Дезорма: Метод, указ. / Сост.: Е.А. Будовских, В.А. Петрунин, Н.Н. Назарова, В.Е. Громов: СибГИУ.- Новокузнецк, 2001.- 13 (3)
(Методические материалы)

Значок файла ОПРЕДЕЛЕНИЕ ОТНОШЕНИЯ ТЕПЛОЁМКОСТИ ГАЗА ПРИ ПОСТОЯННОМ ДАВЛЕНИИ К ТЕПЛОЁМКОСТИ ГАЗА ПРИ ПОСТОЯННОМ ОБЪЁМЕ (3)
(Методические материалы)

Значок файла Лабораторная работа 8. ОПРЕДЕЛЕНИЕ ДИСПЕРСИИ ПРИЗМЫ И ДИСПЕРСИИ ПОКАЗАТЕЛЯ ПРЕЛОМЛЕНИЯ СТЕКЛА (4)
(Методические материалы)

Значок файла ОПРЕДЕЛЕНИЕ УГЛА ПОГАСАНИЯ В КРИСТАЛЛЕ С ПО-МОЩЬЮ ПОЛЯРИЗАЦИОННОГО МИКРОСКОПА Лабораторный практикум по курсу "Общая физика" (3)
(Методические материалы)

Значок файла Лабораторная работа 7. ПОЛЯРИЗАЦИЯ СВЕТА. ПРОВЕРКА ЗАКОНА МАЛЮСА (6)
(Методические материалы)

Значок файла Лабораторная работа № 7. ИЗУЧЕНИЕ ВРАЩЕНИЯ ПЛОЩАДИ ПОЛЯРИЗАЦИИ С ПОМОЩЬЮ САХАРИМЕТРА (4)
(Методические материалы)

Значок файла Лабораторная работа 6. ДИФРАКЦИЯ ЛАЗЕРНОГО СВЕТА НА ЩЕЛИ (6)
(Методические материалы)


Заказ научной авторской работы

Применение нейросетевой технологий

Типичными задачами, решаемыми нейросетями, являются:

·                     аппроксимация функций по набору точек (регрессия);

·                     классификация данных по заданному набору классов;

·                     кластеризация данных с выявлением заранее неизвестных классов-прототипов;

·                     сжатие информации;

·                     восстановление утраченных данных;

·                     ассоциативная память;

·                     оптимизация, оптимальное управление.

Отметим, что между этими внешне различными постановками задач существует глубокое родство.

Например, задача аппроксимации функции по набору точек является типичным примером задачи, не имеющей единственного решения. Чтобы добиться единственности, такие задачи обычно минимизируют с помощью некоторого функционала. Минимизация такого функционала и является целью обучения нейросети.

Задачи оптимизации также сводятся к минимизации целевых функций при заданном наборе ограничений. С другой стороны, под классификацией можно понимать аппроксимацию функции с дискретными значениями (идентификаторами классов), хотя ее можно рассматривать и как частный случай заполнения пропусков в базах данных, в данном случае - в столбце идентификаторов класса. Задача восстановления утраченных данных, в свою очередь - это ассоциативная память, восстанавливающая прообраз по его части. Такими прообразами в задаче кластеризации выступают центры кластеров. Если информацию удается восстановить по какой-нибудь ее части, значит мы добились сжатия этой информации.

 

Заметим, что многие специалисты - представители различных наук, занимающихся перечисленными выше задачами и уже накопившими опыт их решения, полагают, что перевод их методов на язык нейросетей ничего принципиально нового не дает. Статистики говорят, что нейросети - это всего лишь частный способ статистической обработки данных, специалисты по оптимизации - что методы обучения нейросетей давно известны в их области, теория аппроксимации функций рассматривает нейросети наряду с другими методами многомерной аппроксимации. Именно синтез различных методов и идей в едином нейросетевом подходе и является их основным достоинством, предоставляя единую методологию решения очень широкого круга практически интересных задач. Это, как правило, ускоряет и удешевляет разработку приложений.

Новые идеи в области нейросетей довольно быстро нашли практическое применение и вызвали к жизни новый тип микроэлектронной техники - нейропроцессоры и нейрокомпьютеры (НК).

В 1986г. 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 - IВМ, АТТ, "Texas Instuments", в Японии - "Ниппон Электрик", "Фудзизу" в Западной Европе - "Бюль", "Томсон", "Рон-Пуленк" и множество других известных компаний. Возникли новые фирмы, специализирующихся специально на нейросетевой технологии.

Современные возможности нейросетей 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, 10000 связей, слова создаются синтезаторами). За восемь дней сеть освоила 20000 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, 114400 "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 вышло из строя.

Вот еще ряд быстро развивающихся 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 (Оptical Character Recognition) фирмы Sharp используется для распознавания японских иероглифов; содержит порядка 10 миллионов 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, которая не только читает стандартный буквенноцифровой текст, но может быть обучена распознаванию специальных символов, используемых в технических чертежах.

Система Quickstrokes Automated Data Entry System ( HechtNielsen Corp., США) была использована для обработки чеков. Компания Wyoming до этого теряла примерно 300000 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, классификация дефектов громкоговорителей (CTS Electronics) 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 др. 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.

     Ниже Вы можете заказать выполнение научной работы. Располагая значительным штатом авторов в технических и гуманитарных областях наук, мы подберем Вам профессионального специалиста, который выполнит работу грамотно и в срок.


* поля отмеченные звёздочкой, обязательны для заполнения!

Тема работы:*
Вид работы:
контрольная
реферат
отчет по практике
курсовая
диплом
магистерская диссертация
кандидатская диссертация
докторская диссертация
другое

Дата выполнения:*
Комментарии к заказу:
Ваше имя:*
Ваш Е-mail (указывайте очень внимательно):*
Ваш телефон (с кодом города):

Впишите проверочный код:*    
Заказ курсовой диплома или диссертации.

Горячая Линия


Вход для партнеров