Искусственные нейронные сети и их применение

Числа, математические операции и вычисления, теории геометрии еще с древности закрепили базисное место во всех науках. Трудно представить себе физику, химию, программирование без математики. Она шагает бок о бок с развивающимися отраслями научных исследований, изменяясь и модифицируясь вместе с ними. В последнее время человечество пытается создать искусственный интеллект. Вследствие этого появилась такая прикладная область математики, как искусственные нейронные сети. Что же это такое?

Нейронная сеть – это математическая модель, организованная и функционирующая как биологическая нервная система. Она способна анализировать и воспроизводить из своей памяти поступающую информацию [4].

Предпосылкой для создания нейронных сетей было проведение исследований в области искусственного интеллекта, а именно, при попытках воспроизвести способность биологических нервных систем к обучению и исправлению ошибок, при моделировании низкоуровневой структуры мозга.

Нейронная сеть – это система взаимосвязанных между собой просто устроенных процессоров – искусственных нейронов. Каждый процессор такой сети имеет дело с сигналами, которые он получает, и сигналами, которые он отправляет другим процессорам. Такие по отдельности простые процессоры, будучи соединёнными в большую сеть с управляемым взаимодействием, выполняют сложные задачи. Сигнал в нейронной сети имеет значение натуральных числе, в отличие от биологической сети нейронов, где сигнал имеет вид импульса, который малоэнергичен и защищен от воздействия помех. Следовательно, целью создания масштабной и полифункционирующей искусственной сети является ее создание по подобию головного мозга, то есть использование бионического подхода [2].

Главное преимущество нейронной сети – отсутствие алгоритма и программирования. Она способна обучаться. Рассчитав коэффициент связей между нейронами, можно описать техническую сторону этого процесса. Обучаясь, сеть может выявить сложную зависимость между данными, которые в нее поступили и получились на выходе, а также обобщить полученные данные.

Эта модель нашла широкое применение во многих отраслях деятельности человека, где применение алгоритмов неэффективно или невозможно. Так она используется в медицине, экономике, бизнесе, авионике, робототехнике, геологоразведке, Интернете, в охранных системах. Нейронная сеть используется для анализа и обработки информационных данных, для решения задач классификации, прогнозирования и управления процессами. На сегодняшний день нейронные сети являются одним из приоритетных направлений исследований в области искусственного интеллекта.

Целью нашего исследования было применение программы SPSS (нейросетевого анализа) для обработки данных анкетирования и составления искусственной нейронной сети. Для этого мы предложили более 50 студентам заполнить анкету отношения современной молодежи к религии и нравственности. Затем для выяснения значимости вопросов для анкеты с помощью программы SPSSStatistics была построена ИНС, которая показала важность независимых переменных (вопросов) для анкеты. Данные, полученные в результате нашего исследования, представлены в таблице 1и таблице 2.

Таблица 1.

Сводка обработки наблюдений

При задаче программе действия «Создать искусственную нейронную сеть», на основе введенных данных получили нейронную сеть. Сеть и сводка для её моделирования представлены на рисунке 1 и в таблице 3 соответственно.

Таблица 2.

Информация о сети

Рисунок 1. Искусственная нейронная сеть

Таблица 3.

Сводка для модели

Эта программа ценна тем, что может рассчитывать важность переменных и составлять диаграммы по полученным результатам. Полученные данные представлены в таблице 4 и на рисунке 2.

Таблица 4.

Важность независимых переменных

Рисунок 2. Важность независимых переменных

Анализируя полученные результаты можно отметить ту или иную значимость ряда вопросов для анкетирования. Полученные ошибки перекрестной энтропии говорят о том, что, во-первых, было исследовано недостаточное количество испытуемых (нужно больше) и во-вторых, что ряд вопросов для исследования данной тематики либо не представляет особой важности, либо нуждается в переформулировке.

Таким образом, использованный нами подход анализа данных с помощью ИНС показал свою значимость для исследования.

На основании вышесказанного, можно сделать вывод, что искусственные нейронные сети – будущее многих отраслей науки и промышленности. С их помощью возможно не только классифицировать природные объекты (например, звуки, символы и др.), но и определять принадлежность к той или иной категории, что напрямую способствует облегчению процесса систематизирования и классифицирования ситуации [2].

Кроме того, применение искусственных нейронных сетей возможно и в фармацевтическом бизнесе для прогнозирования рынка товара, поиска решений по проблемам, диагностирование. Активно внедряются они и во врачебную деятельность. Например, при обследовании разных больных искусственная нейронная сеть обучается, после чего она способна поставить диагноз по тому или иному заболеванию, основываясь на подходах моделирования памяти.

На сегодняшний день, известны ряд разработок по созданию таких сетей, которые будут упрощать процедуру ЭКГ, будут способны бороться с раком и другими заболеваниями, найдут свое применение в психиатрии, терапевтике, травматологии и других медицинских отраслях в роли помощника диагноста и клинициста. Однако, массовое нейросетевое обеспечение пока не совсем возможно из-за дороговизны и скептического отношения людей к компьютерам. Но мы уверены, что прогресс не стоит на месте, и в недалеком будущем будет найден компромисс человека и искусственной нейронной сети для обеспечения оптимальных условий жизни и здоровья граждан [1].