Где находят применение искусственные нейронные сети

В данной статье вы познакомитесь с типовыми задачами, в которых использованный искусственный интеллект приводит к лучшим результатам по сравнению с традиционными путями их решения. Кроме того, будут представлены некоторые примеры реального использования нейронных сетей для решения задач современного мира.

Классифицировать образы

В процессе данной задачи определяется принадлежность образа (например, написанного рукой символа), который имеет вектор характеристик, каким-либо заранее заданным классам. На сегодняшний день данный процесс используется для того чтобы распознавать речь, буквы, классифицировать клетки и т.п.

Кластеризировать/категоризировать

При выполнении кластеризации отсутствует выборка, которая обучает и имеет метки классов. Алгоритм отыскивает подобие в образах и добавляет сходные образы в их кластер. Такой процесс сегодня используется для того чтобы сжимать данные, извлекать информацию и т.п.

Аппроксимировать функции

Выполнение аппроксимации важно для решения различных инженерных задач, а также задач моделирования в науке. В качестве примера можно привести шумоподавление принимаемого сигнала, имеющего различную природу.

Предсказывать/прогнозировать

Возможность нейронных сетей предсказывать и прогнозировать используется в технике, бизнесе и науке, когда необходимо принять какое-либо решение. Распространенными примерами, когда используется нечеткая логика, является определение цен на биржах и составление прогноза погоды.

Оптимизировать

Различные трудности в математике и других областях можно рассматривать как задачи оптимизации. Оптимизация используется, например, для решении задачи коммивояжера для различных видов транспорта, или выбор штата сотрудников исходя из их знаний и умений.

Управлять

Нейронные сети могут использоваться для того, чтобы рассчитывать управляющее воздействие таки образом, чтобы в нужный момент система находилась в нужной точке. В качестве примера можно привести управление ДВС, при котором искусственный нейрон определяет наиболее оптимальные параметры работы двигателя.

Обращаться к памяти

Благодаря нейронным сетям может быть использована ассоциативная память, особенность которой заключается в том, что доступ к ней осуществляется по указанному содержанию. Такая память идеально подходит для создания мультимедиа баз данных.