Sztuczne sieci neuronowe umożliwiają przeprowadzanie analizy danych, których rozkład jest zupełnie nieprzewidywalny. W takich sytuacjach brakuje odpowiednich modeli matematycznych umożliwiających sformułowanie algorytmów i zaprogramowanie klasycznego komputera.
„Program” sieci jest zawarty w jej strukturze – w połączeniach między elementarnymi jednostkami (neuronami), których siła zmienia się w wyniku treningu (uczenia się). Dzięki treningowi sieci nabierają zdolności do klasyfikowania zbiorów danych o różnych obiektach nawet wówczas, gdy różnice między tymi zbiorami nie zostały przez człowieka dostrzeżone i wskazane.
Elementarne jednostki sieci neuropodobnej – „neurony” były początkowo prostymi urządzeniami elektronicznymi, przetwarzającymi sygnały. Były łączone w sieci - "neurokomputery". Obecnie pojęcie "sieć neuronowa" oznacza najczęściej program instalowany w dowolnym komputerze.
Każdy neuron ma wiele „wejść” i jedno „wyjście”. Sygnał (S), docierający do każdego z wejść, jest mnożony przez „wagę” (W).
Wielkość sygnału wyjściowego (Sy) jest zależna od sygnałów wejściowych, ich wag oraz od funkcji „wejścia–wyjścia” (funkcja aktywacji). W większości wypadków stosuje się jednostki liniowe, progowe lub sigmoidalne.
Generowanie sieci neuronowej, która sprawnie realizuje określone zadania, polega polega na "uczeniu - iteracyjnym dobieraniu właściwej konstrukcji sieci (liczba neuronów i ich połączenia), rodzaju funkcji aktywacji i jej parametrów oraz wielkości wag.
W treści wykładu przedstawiono - w ogólnie przystępnej formie - podstawowe informacje o sieciach neuronowych. Przedstawiono prosty przykład zastosowania typowego programu.
Z punktu widzenia olfaktometrii szczególnie ważna jest możliwość zastosowania ANN przygotowywanych do rozpoznawania zapachów na podstawie zbioru informacji o stężeniach odorantów, o wielkościach sygnałów z "pola czujników " elektronicznego nosa lub o kształcie chromatogramu (sekwencji sygnałów detektora GC; system GC-NN). W wypadku elektronicznego nosa określony zbiór sygnałów, pochodzących z zestawu czujników, może być „skojarzony” z podobnym zbiorem, który wystąpił wcześniej podczas prezentacji wzorca – na przykład określonego gatunku kawy lub perfum, zapachowego śladu sprawcy przestępstwa, zapachu charakterystycznego dla cukrzycy itp.
Do pobrania:
- wykład w formie prezentacji (format: rar, rozmiar: 7,80 MB) Microsoft PowerPoint. Aby go pobrać kliknij w polu obrazka. Do obejrzenia prezentacji możesz użyć programu Microsoft PowerPoint, OpenOffice Impress lub Microsoft PowerPoint Viewer.
(format: rar, rozmiar: 7,80 MB)
Więcej:
- Ryszard Tadeusiewicz: Sieci neuronowe, Akademicka Oficyna Wydawnicza 1993
- Podręcznik ODORY, PWN 2002 (rozdz. 6)
- Raport z PB KBN 2001 - 2003;
- Neural networks in odour measurements, 2002,
- Sieć neuronowa oceniająca zapach cykloheksanu i heksanu, 2002
i inne
