Создание программы, осуществляющей распознавание жестов мыши и выполняющей ассоциированные с ними действия
Дипломная работа - Компьютеры, программирование
Другие дипломы по предмету Компьютеры, программирование
th, 1990. Эти книги и обширное количество конференций и периодической технической литературы: Proceedings of the International Neural Network Society Meetings с 1987 по 1994; Journal of Neural Computing; Neural Networks; IEEE Transactions for Neural Networks; и Neural Computing ; охватили фундаментальные концепции и технологию нейронных сетей и их потенциальное приложение к многочисленным полям.
Сеть искусственных нейронов, обычно называемая искусственной нейронной сетью, является системой обработки данных, состоящей из большого количества простых, высоко связанных элементарных процессоров в архитектуре, вдохновленной структурой мозговой части коры мозга. Следовательно, нейронные сети часто способны к выполнению вещей, которые люди или животные делают довольно хорошо, но которые обычные компьютеры часто делают плохо. Нейронные сети показывают характеристики и возможности, не обеспеченные любой другой технологией.
К задачам, успешно решаемым ИНС на данном этапе их развития, относятся:
-распознавание зрительных, слуховых образов (от распознавания текста и целей на экране радара до систем голосового управления);
-ассоциативный поиск информации и создание ассоциативных моделей: синтез речи и формирование естественного языка;
-формирование моделей и различных нелинейных и трудно описываемых математических систем; прогнозирование развития этих систем во времени: применение на производстве, прогнозирование развития циклонов и других природных процессов; прогнозирование изменений курсов валют и др. финансовых процессов;
-системы управления и регулирования с предсказанием: управление роботами;
-разнообразные конечные автоматы: системы массового обслуживания,
телекоммуникационные системы;
-принятие решений и диагностика, исключающие логический вывод, особенно в областях, где отсутствуют четкие математические модели: в медицине, криминалистике.
1.1Нейроны
Нейрон (биологический) - одна из 1015 клеток мозга, способная генерировать электрический импульс, в случае, когда суммарный потенциал превысит критическую величину. Соединяясь, друг с другом, нейроны образуют сеть, по которой путешествуют электрические импульсы. Контакты между нейронами (синапсы), могут менять эффективность передачи сигналов (вес связи) от нейрона к нейрону. Самая популярная на сегодняшний день гипотеза основана на том, что именно нейронные сети мозга обрабатывают информацию. При этом обучение сети и запоминание информации базируется на настройке значений весов связей между нейронами [8].
Человеческий мозг - комплексная вычислительная система, способная к размышлению, запоминанию, сохранению образов, и проблемам решения. Мозг содержит приблизительно 100 миллиардов нейронов (фундаментальные ячеистые модули возбужденной системы мозга) которые плотно связаны с сотнями - возможно тысячами - связей в нейроне.
Нейрон - простой процессор, который получает и комбинирует сигналы от других нейронов до входных путей называемых дендритами. Если объединенные сигналы от всех дендритов достаточно сильны, нейронные вспышки производят сигнал вывода по пути называемому аксоном. Разбиения аксона, соединяясь с сотнями или тысячами дендритов вводят пути других нейронов через синапсы (соединения, содержащие жидкость нейромедиатора управление потоком сигналов) расположенный в дендритах. Передача сигналов поперек синапсов электрохимическая по своей природе, и величины сигналов зависят от синоптических сил синапсов. Сила или проводимость (инверсия сопротивления) синоптического соединения изменяются, поскольку мозг "учится". Синапсы основные "модули памяти" мозга, и регулирование этих синапсов составляет обучение [9].
Каждый нейрон характеризуется своим текущим состоянием по аналогии с нервными клетками головного мозга, которые могут быть возбуждены или заторможены. Он обладает группой синапсов - однонаправленных входных связей, соединенных с выходами других нейронов, а также имеет аксон - выходную связь данного нейрона, с которой сигнал (возбуждения или торможения) поступает на синапсы следующих нейронов. Общий вид нейрона приведен на рисунке 1.1. Каждый синапс характеризуется величиной синоптической связи или ее весом wi.
Рисунок 1.1 - Общий вид нейрона
нейронная сеть мышь распознавание программа
Текущее состояние нейрона определяется, как взвешенная сумма его входов:
.(1.1)
Выход нейрона есть функция его состояния:
y = f(s).(1.2)
Нелинейная функция f называется активационной и может иметь различный вид, как показано на рисунке 1.2. Одной из наиболее распространенных является нелинейная функция с насыщением, так называемая логистическая функция или сигмоид (т.е. функция S-образного вида):
.(1.3)
Рисунок 1.2 - а) функция единичного скачка; б) линейный порог (гистерезис); в) гиперболический тангенс; г) сигмоид - формула (1.3)
При уменьшении a сигмоид становится более пологим, в пределе при a=0 вырождаясь в горизонтальную линию на уровне 0.5, при увеличении a сигмоид приближается по внешнему виду к функции единичного скачка с порогом T в точке x=0. Из выражения для сигмоида очевидно, что выходное значение нейрона лежит в диапазоне [0,1].
1.2Машинное моделирование искусственных нейронов
Машинное моделирование мозговых функций обычно набирает форму сети искусственных нейронов, называемых элементарными процессорами, но иногда называемых узлами. Эти элементарны