Нейросетевые модели. Классификация

В качестве классифицирующих признаков нейросетевых моделей рассматриваются размерность пространства среды, состав выходных переменных, система отсчета, временная глубина, форма ячеек, порядок их расположения, количество уровней и наполненность последнего уровня. Схема классификации приведена на рисунке ниже.

Рассмотрим особенности различных классов ячеечно-нейросетевых моделей.

Трёхмерные модели применяются при необходимости моделирования изменения состояния среды в пространстве трёх координат. Это чаще всего мелкомасштабные модели с высокой ячеечной плотностью, характерные для описания процессов, протекающих в объёмном технологическом оборудовании.

Плоскостные модели используются, если поставленная задача удовлетворяет условию достаточности моделирования изменения состояния среды в двухмерном пространстве.

Классификация ячеечно-нейросетевых моделей

Классификация ячеечно-нейросетевых моделей

Модели с единственным выходом представляют собой нейросетевой аналог алгебраической функциональной зависимости от нескольких аргументов. Используются, если необходимо рассчитать состояние только одной ячейки.

Модели с несколькими выходами – это сложные многосвязные зависимости, для которых характерно влияние всего множества входных переменных на множество выходных. Кроме того, возможно присутствие скрытого влияния выходных переменных друг на друга. К данному виду можно отнести модели, в состав выходных переменных которых входит серия состояний одной ячейки, рассчитанных для различных моментов времени, либо множество состояний различных ячеек, рассчитанных для одного момента времени.

Пространственные модели позволяют получить неизвестные состояния определённой ячейки при помощи экстраполяции по известным состояниям соседних ячеек в тот же самый момент времени.

Временные модели позволяют проследить изменение состояний ячеек пространства во времени. Здесь кроме условий внешней среды в качестве входных переменных используются переменные состояний центральной ячейки и ячеек её окружения в последний известный момент времени (для одномоментных моделей), а также в два или более моментов (для двухмоментных и многомоментных моделей). Выходная переменная – это состояние центральной ячейки в следующий момент времени. Кроме того, для многосвязных моделей выходами будут также состояния ячеек её окружения. В последнем случае одна обученная нейронная сеть позволяет оценить состояние на единственно возможный интервал времени вперед. Однако, подавая на вход той же сети полученные результаты вычислений, можно получить серию значений.

Особенности моделей с различной формой и порядком расположения ячеек определяются степенью взаимного влияния ячеек, что, в свою очередь, связано с уровнями и рангами ячеек.

Если на вход нейронной сети помимо условий внешней среды подаётся состояние только базовой ячейки, такая модель называется одноуровневой. Если, дополнительно, – первого или обоих рангов 1-го уровня – двухуровневой. В случае подачи на вход состояний группы ячеек хотя бы одного ранга 2-го или последующих уровней – многоуровневой. Наиболее часто используются двухуровневые ячеечно-нейросетевые модели как обеспечивающие достаточную точность вычислений при относительно простом составе входных переменных нейронной сети.

При необходимости усложнения состава входов нейронной сети последовательно добавляются состояния ячеек следующих рангов последнего задействованного уровня и только по исчерпании всех рангов берут новый уровень ячеек. Таким образом, в составе входных переменных нейронной сети не могут быть использованы состояния ячеек, расположенные дальше от центра (а значит в меньшей степени влияющие на состояние базовой ячейки), чем еще не задействованные, но ближе лежащие.

Если в составе входных переменных использованы состояния ячеек всех рангов последнего входящего в него уровня, такая модель называется полноуровневой. В противном случае модель – неполноуровневая.

По материалам статьи:
Дударов С. П., Папаев П. Л., Кудряшов А. Н., Карибова Ю. А. Ячеечно-нейросетевые модели в задачах экологической безопасности. – Искусственный интеллект и принятие решений, 2011, № 2. – с. 31–39.


Гость, оставишь комментарий?
Имя:*
E-Mail:


 
Свежее новое
  • Четверть населения Финляндии, будет обучена работе с роботами и нейросетями.
  • Финляндии предстоит расти и расти, перед тем, как она сможет выйти на мировой рынок с технологиями искусственного интеллекта и все же, это не мешает
  • Как искусственный интеллект передает информацию от людей, потерявших способность говорить?
  • Несколько групп ученых смогли преобразовать команды головного мозга в речь с помощью компьютера-синтезатора. Для того, чтобы это сделать, они
  • К 2025 году, роботы строители, могут составить 10 процентов рабочей силы Японии.
  • Япония является одной из стран, в которой автоматизация процесса строительства, происходит очень медленно. Роботы на практике показывают лишь то, что
  • Интуитивный Алгоритм Технологической Сингулярности на основе Сильного Искусственного Интеллекта «Smart-MES»
  • Технологическая Сингулярность означает такое быстрое развитие прогресса, связанное с созданием сообщества Сильных Искусственных Интеллектов, когда
  • Видеокамеры научились различать телефоны в руках автомобилистов
  • Совсем недавно, в Москве, Сергей Собянин сделал официальное заявление, что с 2019 года в Москве заработают камеры, которые будут отслеживать опасных
Последние комментарии
Каким был первый робот в мире? Происхождение слова "Робот"
Восхищения нет предела делу ваших рук и идей. Хочется склонить голову перед вашим трудом, хотя твердо придерживаюсь Библии (не поклоняться идолам)
Как работает Любовь? Квантовая связь нейронной активности Людей
Я думаю, когда начнется квантовое взаимодействие мржду человеком и ИИ это и будет началом конца.
Как работает Любовь? Квантовая связь нейронной активности Людей
Как вы считаете, возможно ли образование квантовых взаимодействий между человеком и ИИ? 
Сильный Искусственный Интеллект «Smart-MES» как основа Технологической Сингулярности России
А почему бы сразу СИИ не запустить в другую галактику, может там нет коррупции, воровства, плебейства и прочей муры, которая не только мешает
Искусственный Интеллект. Концепция развития и внедрения Искусственного Интеллекта (Искусственной Аналитики)
Согласен. проблема ИИ не в наборе задач. Главная проблема - познание процесса мышления как феномена физиологии головного мозга человека.
Мы в социальных сетях
Статистика
0  
Всего статей 1545
0  
Всего комментариев 75
0  
Пользователей 69