Технология нейросетевых систем

Полезной во многих случаях является технология разработки нейросетевых систем для решения задач распознавания образов, прогнозирования, управления в динамических средах и т. д. Методы, лежащие в основе искусственных нейронных сетей (ИНС), их настройки и их обучения, были подробно описаны в гл. 9. В этой главе обсуждаются средства разработки нейросетевых систем, т. е. систем на основе ИНС, кратко описывается пакет JavaNNS и рассматривается пример реализации нейросетевой системы, разработанной на этом пакете.

Средства разработки нейросетевых систем

В основе технологии нейросетевых систем лежат программные средства, которые можно разделить на средства общего назначения, специализированные и гибридные средства. Средства общего назначения поддерживают до 30 и более нейросетевых алгоритмов, что позволяет создавать разнообразные приложения в разных проблемных областях. Специализированные средства применяются в таких областях, как управление процессами, распознавание видеои аудиообразов (лиц, текста и речи и др.). Гибридные средства позволяют объединять ИНС с электронными таблицами типа MS Excel, Lotus или с системами, основанными на правилах.

Технология нейросетевых систем нашла широкое применение в финансовой сфере (управление кредитными рисками, предсказание ситуаций на фондовом рынке, оценка стоимости недвижимости и др.), в химии (конструирование химических формул), фармацевтике (создание и дозирование лекарственных препаратов), медицине (распознавание заболеваний),.

Начиная с 1980;х гг. появилось множество коммерчески доступных или заказных программных средств ИНС для разработки различных приложений. Среди них можно выделить:

• • NeuroShell2 (Ward Systems Group) — общего назначения;
• • NeuralWorks Professional II/Plus (NeuralWare) — общего назначения;
• • BrainMaker Professional (California Scientific Software) — общего назначения, чаще всего используются для моделирования и прогнозирования бизнес-процессов;
• • NeuroSolution (NeuroDimension) — общего назначения;
• • JavaNNS (Wilhelm-Schickard-Institute for Computer Science) — общего назначения, некоммерческие средства;
• • Matlab Neural Network Toolbox (Mathworks) — общего назначения, используются для прототипирования и в учебных целях;
• • GMDH Shell (GMDH Shell) — используются для прогнозирования временных серий, в бизнесе, на биржевых торгах;
• • CAD/Chem (А/ WARE) — используются для конструирования химических формул и лекарственных препаратов;
• • NeuCOP (Neural Ware) — используются для управления процессами;
• • Nestor Reader (Nestor) — используются для распознавания символов;
• • Braincel для MS Excel {Promised Land Technologies) — гибридные, используются для работы с табличными данными, ориентированы на прогнозирование, мониторинг, обнаружение событий.

Все эти программные средства могут быть использованы для разработки различных приложений на персональных компьютерах. Они позволяют выбирать число скрытых слоев ИНС, число нейронов в них, обучающие алгоритмы и функции активации. Однако во многих приложениях обучающие алгоритмы и функции активации устанавливаются по умолчанию.

В литературе имеются некоторые рекомендации по использованию указанных программных средств. Так, CAD/Chem хорошо использовать для предсказания поведения выходных переменных по наборам входных переменных во времени, а также оптимизации в плане оценивания входных переменных на основе желаемых ответов от объектов. NeuroShell2 и BrainMaker Professional ориентированы на решение задач по прогнозированию в бизнесе. Однако в комбинации с другими программными средствами, такими как GeneHunter {Ward Systems Group), они могут иметь более универсальное применение, например в области оптимизации процессов. NeuralWorks Professional II/Plus менее дружественны по отношению к непрофессиональным пользователям, поскольку требуются некоторые компьютерные навыки для их оптимального использования.

Современные нейросетевые системы позволяют читать цифры и слова, узнавать лица людей, но фотографиям и даже их фрагментам, восстанавливать информацию о делах и событиях по обрывкам сведений, распознавать наземные и воздушные цели, управлять автономными роботами и беспилотными аппаратами на взлете, маневрах и посадке, управлять воздушным боем истребителей, основываясь на прогнозировании возможных действий противника, управлять технологическими процессами, перенимая опыт операторов, прогнозировать курсы акций и пр.