Содержание
Введение 3
1. Теоретические основы нейрокомпьютерных сетей и генетических алгоритмов 5
1.1. Сущность нейрокомпьютерных сетей 5
1.2. Генетический алгоритм и его особенности 7
2. Области применения и перспективы развития нейрокомпьютерных сетей и генетических алгоритмов 10
2.1. Применение нейрокомпьютерных сетей и генетических
алгоритмов 10
2.2. Перспективные направления развития нейрокомпьютерных технологий 13
Заключение 15
Список литературы 16
Выдержка из текста
В настоящее время все более актуальными становятся задачи оптимизации, поиска, реализации распределенных и (или) параллельных систем. Многие из них легко реализуемы простыми математическими методами, но некоторые задачи требуют к себе особого подхода. Эти задачи либо не разрешимы простыми методами, либо их решение потребует значительного времени и объема ресурсов. Для решения подобного рода задач существуют особые методы и алгоритмы. К их числу относятся нейрокомпьютерные сети и генетические алгоритмы.
Нейрокомпьютерные сети были созданы в результате наблюдения за естественными процессами, происходящими в нервной системе живых существ, и попыток воспроизведения этих процессов. Нейрокомпьютерные сети можно рассматривать как современные вычислительные системы, которые преобразуют информацию по образу процессов, происходящих в мозгу у человека. Обрабатываемая информация имеет численный характер, что позволяет использовать нейронную сеть, например, в качестве модели объекта с совершенно неизвестными характеристиками. Другие типовые приложения нейронных сетей охватывают задачи распознавания, классификации, анализа и сжатия образов и т. д. Широкий спектр применения нейрокомпьютерных сетей и генетических алгоритмов обосновывает актуальность данной работы.
Генетические алгоритмы возникли в результате наблюдения и попыток копирования естественных процессов, происходящих в мире живых организмов, в частности, эволюции и связанной с ней селекции (естественного отбора) популяций живых существ. Генетический алгоритм — это простая модель эволюции в природе, реализованная в виде компьютерной программы. В нем используются как аналог механизма генетического наследования, так и аналог естественного отбора.
При подобном сопоставлении нейронных сетей и генетических алгоритмов следует обращать внимание на принципиальную различную длительность протекания упоминаемых естественных процессов, то есть на чрезвычайно быструю обработку информации в нервной системе и очень медленный процесс естественной эволюции. Однако при компьютерном моделировании эти различия оказываются несущественными.
Список использованной литературы
1. Рутковская Д., Пилиньский М., Рутковский Л. Нейронные сети, генетические алгоритмы и нечеткие системы. – М.: Горячая Линия – Телеком. — 2013
2. Галушкин А. И. Нейронные сети. Основы теории. – М.: Горячая Линия – Телеком. — 2012.
3. Науменко В. В. Применение генетического алгоритма для решения задачи распределения ресурсов в процессе выполнения административных регламентов / В. В. Науменко // – М.: Молодой ученый. — 2014.
4. Кузьменко Н. Г. Компьютерные сети и сетевые технологии. – М.: Наука и техника, 2013.
5. Гаврилов М. В., Климов В.А. Информатика и информационные технологии. 3-е изд., пер. и доп. Учебник для бакалавров. – М.: Юрайт, 2013.
6. Редько В. Г. Эволюция, нейронные сети, интеллект. Модели и концепции эволюционной кибернетики. – М.: Ленанд, 2015.
7. Тархов Д. А. Нейросетевые модели и алгоритмы. Справочник. – М.: Радиотехника, 2015.
8. Александр Васильев, Дмитрий Тархов Принципы и техника нейросетевого моделирования. – М.: Нестор-История, 2014.
9. Сайт «AlgoList». Популярно о генетических алгоритмах. [Электронный ресурс] // Режим доступа: http://algolist.manual.ru/ai/ga/ga1.php
10. Официальный сайт «BaseGroup Labs». Нейронные сети — математический аппарат. [Электронный ресурс] // Режим доступа: http://just-https://basegroup.ru/community/articles/math