XV Международная студенческая научная конференция Студенческий научный форум - 2023

Интеллект - это весьма общая умственная способность, которая включает возможность делать заключения, планировать, решать проблемы, абстрактно мыслить, понимать сложные идеи, быстро обучаться и учиться на основании опыта.

Интеллект человека является органической структурой, при всех ее плюсах имеются и минусы.

Нейронная сеть — один из способов реализации искусственного интеллекта (ИИ). В разработке ИИ существует обширная область — машинное обучение. Она изучает методы построения алгоритмов, способных самостоятельно обучаться. Это необходимо, если не существует четкого решения какой-либо задачи. В этом случае проще не искать правильное решение, а создать механизм, который сам придумает метод для его поиска.

Нейросеть моделирует работу человеческой нервной системы, особенностью которой является способность к самообучению с учетом предыдущего опыта. Таким образом, с каждым разом система совершает все меньше ошибок как и наша нервная система, нейросеть состоит из отдельных вычислительных элементов — нейронов, расположенных на нескольких слоях Данные, поступающие на вход нейросети, проходят последовательную обработку на каждом слое сети. При этом каждый нейрон имеет определенные параметры, которые могут изменяться в зависимости от полученных результатов — в этом и заключается обучение сети.

Нейросетевые технологии появились на основе нейронных сетей, т.е. программ, имеющих структуру, схожую с работой мозга. Это направление принадлежит к одному из направлений в развитии искусственного интеллекта. Под искусственным интеллектом в настоящее время понимают процесс создания машин, которые способны действовать таким образом, что будут восприниматься человеком как разумные. Это может быть повторение поведения человека или выполнение более простых задач, например, выживание в динамически меняющейся обстановке. В настоящее время искусственный интеллект по-разному понимается людьми и поэтому его делят на сильный и слабый искусственный интеллект.

Под сильным понимают программное обеспечение, благодаря которому компьютеры могут думать так же, как люди, и приобретать сознание как разумные существа, под слабым искусственным интеллектом понимают широкий диапазон технологий искусственного интеллекта в виде программного обеспечения, которое может добавляться в существующие системы и придавать им различные “разумные” свойства [9]. К слабому искусственному интеллекту относятся нейросетевые технологии. Нейронные сети представляют собой упрощенную модель человеческого мозга (рис.2.1). Мозг состоит из нейронов, которые можно представить как индивидуальные процессоры. Нейроны соединяются друг с другом с помощью нервных окончаний двух типов: синапсов, через которые в нейрон поступают сигналы, и аксонов, через которые нейрон передаёт сигнал далее

Рисунок 1 - Упрощенная модель человеческого мозга, совпадает со структурой сетевой базы данных

Человеческий мозг состоит примерно из 1011 нейронов, каждый из которых связан с другими нервными 10 окончаниями синапсами и аксонами. Количество таких связей у каждого нейрона примерно 1000, в коре головного мозга их намного больше. Структура мозга является многослойной, и имеет 25 большое количество внутренних циклов. С большими упрощениями работу мозга можно представить схематично

Рисунок 2 - Многослойная архитектура мозга

К настоящему времени разработано большое количество различных типов нейросетей, имеющих свои отличительные особенности. В задачах управления наиболее широкое распространение получили многослойные нейросети прямого распространения, или многослойные персептроны, сокращенно — MLP (от англ. Multi Layer Perceptron). Нейросеть всегда строится на основе заданного множества примеров (например — на данных о состояниях рынков). Сеть состоит из искусственных нейронов, элементарных преобразователей, соединенных друг с другом информационными связями, определяемыми «ребрами» этой структуры.

Одним из главных отличий нейросетей, повышающим эффективность вычислительного процесса, является возможность распараллеливания вычислений. В ее основе лежит понятие «искусственного нейрона», который позволяет реализовать на практике нелинейную функцию многих переменных. Она отображает совокупность входных переменных в вещественное число из отрезка (0, 1) и зависит от набора W числовых коэффициентов (синаптических весов), рассматриваемого в качестве параметра этой функции.

Последняя имеет вполне определѐнный вид и реализуется двумя элементами — сумматором и нелинейным преобразователем. Первый вычисляет взвешенную сумму входных значений, т.е. компонент вектора признаков, второй выполняет само нелинейное преобразование.

Искусственные нейроны, имеющая определенную архитектуру, которая включает несколько десятков, а иногда сотен или тысяч нейронов, соединенных своими выходами и входами. Веса нейронов будут определять веса соединений («ребер» сетевой структуры), влияющих на уровень сигнала, распространяющегося по нейросети в виде информационного потока от еѐ входов к выходу. Наиболее популярной сетевой архитектурой является такая, при которой нейроны каждого слоя непосредственно не взаимодействуют друг с другом и могут быть соединены своими входами-выходами только с расположенными на двух соседних с ними слоях.

При этом одна часть нейронов, имеющих лишь по одному входу и выходу в первом слое, используется только для непосредственной обработки входных признаков, а другая — для обработки сигналов, полученных от нейронов из предыдущего, в частности, из первого. Выходной слой нейронов используется для формирования результата.

Если он содержит один нейрон, то в результате вычислений с помощью нейросети будет получено вещественное число, если же в него входят два нейрона (или более), — то вектор с двумя (или более) компонентами. 27 Например, это могли бы быть минимальная и максимальная цены сделок за торговый день, а также цена закрытия.

Результат вычислений по модели, т.е. с помощью сети, часто называют «откликом». Любой слой между входным и выходным — скрытый. В большинстве приложений нейросеть имеет один такой слой. Обычно число нейронов в нѐм несколько меньше, чем во входном (его называют также сжимаю-щим, поскольку он решает задачу снижения размерности).

Рисунок 3- Многомерные классификации

Рисунок 4 - База данных построенная по улучшенной методике

Технология запросов (программ обработки данных)

Запросы — это программы обработки данных они выполняются средствами самих баз, но могут иметь природу создания и за пределами базы, например, с применением объектно-ориентированных языков программирования или их еще называют языками высокого уровня (ЯВУ) и к ним обычно относят Delphi и C. В Караганде во времена широкого распространения БД (90 года) чаще применяли Delphi и в [приведено описание этих методов.

Запросы на выборку хорошо представлены в Рисунок 5.1. Да и по интерфейсу базы их методы прозрачны, т.е. алгоритм легко улавливается интуитивно, при этом в логических полях можно управлять выводимыми потоками знаками >, >=, < и т.д.

Запросы на обновление, позволяют производить вычисления в полях. Т.е. они подходят для расчета надежности, сборки, стоимости с применением инструментов самой базы без гиперссылок (хотя можно их выполнить и за пределами баз в специальных программах).

Для этого использовав основное меню Создание и конструктор получим окно для программирования в которое надо добавить нужные таблицы, участвующие в обработке данных

Рисунок 5 - Схема данных.

Разработана многомерная классификация для крепи Глиник которая позволяет исходя из каждого ее элемента создавать таблицы, а из таблиц базу данных. Алгоритмы создания таблиц и объединения их в базу традиционны и автоматизированы. Полученная база является сетевой поскольку ее узлы – таблицы содержат операционные программы созданные средствами баз (надежность, сборка, стоимость) и гипер ссылки на пакеты Компас -3D, Ansys и Adams, имеющих встроенные языки типа фортран и С.

Программы созданные с их помощью имеют операторы цикла и логики, позволяют анализировать и выбирать соответствующие процедуры управления крепью и конвейером в зависимости от складывающихся условий. В соотвествии с проведенным анализом такая система аналогична простой нейросети, в нее легко встроить и системы самообучения. Эти системы легко создаются с помощью выше указанных языков