Все выпуски

Рассматриваются искусственные нейроны, чьи весовые коэффициенты будут изменяться по специальному закону, основанному на интегрированном в их модели обратном распространении. Для этого коэффициенты погрешности обратного распространения вводятся в явном виде во все модели нейронов и осуществляется передача их значений вдоль межнейронных связей. В дополнение к этому вводится специальный тип нейронов с эталонными входами, которые будут выступать в качестве основного источника первичной оценки погрешности для всей нейронной сети. В последнюю очередь вводится контрольный сигнал для запуска обучения, который будет управлять процессом передачи коэффициентов погрешности и корректировкой весов нейронов. Для рекуррентных нейронных сетей демонстрируется как провести интеграцию обратного распространения во времени в их формализм с помощью стековой памяти для внешних входов нейронов. Дополнительно к этому рассматриваются примеры как формализовать в рамках данного подхода такие популярные нейронные сети, как сети долгой кратковременной памяти, сети радиально-базисных функций, многослойные перцептроны и сверточные нейронные сети. Основным практическим следствием данного подхода является возможность описания нейронных сетей с перестраиваемыми связями на основе интегрированного алгоритма обратного распространения.

Рассматривается задача автоматизации процесса разработки информационных систем на основе применения оригинальной нейросетевой архитектуры. Проведен анализ существующих подходов к автоматизации проектирования информационных систем. Сформулированы рекомендации к архитектуре информационных систем, направленные на снижение негативного влияния человеческого фактора. Представлена общая концепция нейросетевой архитектуры в виде структурной модели, даны определения основных сущностей и компонентов. Ключевыми отличиями нейросетевой архитектуры являются: независимость ключевых сущностей информационных систем и возможность автоматизации их проектирования и взаимодействия на основе применения нейронных сетей; изолированность математического обеспечения архитектуры; разграничение моделей информационных процессов и функциональных элементов от управляющих систем и систем представления информации; учет влияния окружения на процессы движения информационных потоков, элементы управления и представления системы; возможность адаптации структурных блоков информационных систем под особенности предметной области, параметры оборудования пользователя без необходимости внесения существенных изменений в архитектуру. Рассмотрено понятие нейросетевого канала данных, его структура и обобщенное математическое обеспечение. Осуществлена декомпозиция структурной модели. Представлены структурные схемы каждой сущности нейросетевой архитектуры информационных систем, описание основных компонентов, используемые нейросетевые каналы данных для связи сущностей и их компонентов. Проанализирована область применения нейросетевой архитектуры.