Список вопросов для проверки текущей успеваемости

Список вопросов для проверки текущей успеваемости

Технологии разработки Web-приложений.

Искусственные нейронные сети.

Иску́ сственная нейро́ нная се́ ть (ИНС) — математическая модель, а также её программное или аппаратное во-площение, построенная по принципу организации и функционирования биологических нейронных сетей — се-тей нервных клеток живого организма. Это понятие возникло при изучении процессов, протекающих в мозге, и при попытке смоделировать эти процессы. Первой такой попыткой были нейронные сети У. Маккало-ка и У. Питтса[en][1]. После разработки алгоритмов обучения получаемые модели стали использовать в практи-ческих целях: в задачах прогнозирования, для распознавания образов, в задачах управления и др.

ИНС представляют собой систему соединённых и взаимодействующих между собой про-стых процессоров (искусственных нейронов). Такие процессоры обычно довольно просты (особенно в сравне-нии с процессорами, используемыми в персональных компьютерах). Каждый процессор подобной сети имеет дело только с сигналами, которые он периодически получает, и сигналами, которые он периодически посылает другим процессорам. И, тем не менее, будучи соединёнными в достаточно большую сеть с управляемым взаи-модействием, такие локально простые процессоры вместе способны выполнять довольно сложные задачи.

С точки зрения машинного обучения, нейронная сеть представляет собой частный случай мето-дов распознавания образов, дискриминантного анализа, методов кластеризации и т. п. С математической точки зрения, обучение нейронных сетей — это многопараметрическая задача нелинейной оптимизации. С точки зре-ния кибернетики, нейронная сеть используется в задачах адаптивного управления и как алгоритмыдля робототехники. С точки зрения развития вычислительной техники и программирования, нейронная сеть — способ решения проблемы эффективного параллелизма[2]. А с точки зрения искусственного интеллекта, ИНС является основой философского течения коннективизма и основным направлением в структурном подходе по изучению возможности построения (моделирования) естественного интеллекта с по-мощью компьютерных алгоритмов.

Искусственная нейронная сеть является моделью типа чёрный ящик (см. Рисунок). Это значит, что хотя нейросетевая система искусственного интеллекта способна к обучению и к принятию решений на основе этого обучения, внутренние основания поведения такой системы полностью скрыты. Это рождает обоснованные опа-сения о возможном непредсказуемом и недружественном поведении такой системы. Предпринимаются попытки понять возможность создания дружественного искусственного интеллекта.

Нейронные сети не программируются в привычном смысле этого слова, они обучаются. Возможность обуче-ния — одно из главных преимуществ нейронных сетей перед традиционными алгоритмами. Технически обуче-ние заключается в нахождении коэффициентов связей между нейронами. В процессе обучения нейронная сеть способна выявлять сложные зависимости между входными данными и выходными, а также выпол-нять обобщение. Это значит, что в случае успешного обучения сеть сможет вернуть верный результат на осно-вании данных, которые отсутствовали в обучающей выборке, а также неполных и/или «зашумленных», частич-но искаженных данных.

Методы финансирования и реализация закупок техники и прикладного программного обеспечения.

Методы выполнения оценок эффективности информационной системы.

Основные проблемы покупки, разработки и адаптации информационных технологий.

Принципы оценки эффективности информационных технологий. Понятия прямой и кос-венной эффективности от внедрения информационных технологий.

Список вопросов для проверки текущей успеваемости

123456Следующая ⇒

Поделиться: