Возможности и особенности нейронных сетей

Основными интересными на практике возможностями нейронных сетей являются такие:

Быстрые алгоритмы обучения нейронных сетей: нейросеть даже при сотнях входных сигналов и десятках-сотнях тысяч эталонных ситуаций может быть обучена на обычном компьютере. Поэтому применение нейронных сетей возможно для решения широкого круга сложных задач прогноза, классификации и диагностики.

Возможность работы при наличии большого числа неинформативных, шумовых входных сигналов − предварительного их отсева делать не нужно, нейросеть сама определит их малопригодность для решения задачи и может их явно отбросить.

Возможность работы со скоррелированными независимыми переменными, с разнотипной информацией − непрерывнозначной и дискретнозначной, количественной и качественной, что часто доставляет затруднение методам статистики

Нейронная сеть одновременно может решать несколько задач на едином наборе входных сигналов − имея несколько выходов, прогнозировать значения нескольких показателей.

Алгоритмы обучения накладывают достаточно мало требований на структуру нейронной сети и свойства нейронов. Поэтому при наличии экспертных знаний или в случае специальных требований можно целенаправленно выбирать вид и свойства нейронов и нейросети, собирать структуру нейронной сети вручную из отдельных элементов, и задавать для каждого из них нужные свойства.

Нейросеть может обучиться решению задачи, которую человек-эксперт решает недостаточно точно (или для которой вообще отсутствует эксперт). Обученная нейронная сеть может быть представлена в виде явного алгоритма решения задачи, например, в виде набора правил "если ..., то ...", и изучение этого алгоритма может позволить человеку получить новые знания.

Описанные возможности в основном относятся к многослойным нейронным сетям, обучаемым алгоритмом обратного распространения ошибки, и растущим нейросетям на основе вариантов алгоритма каскадной корреляции. Но существуют и другие типы нейронных сетей − нейросети ассоциативной памяти, нейросети для квантования данных, сжатия данных путем построения главных независимых компонент, нейронные сети для разделения смеси сигналов и др. Т.е. круг задач, решаемых нейронными сетями, очень широк, поскольку широк сам набор нейросетевых алгоритмов.

далее: нейронные сети - преимущества.