Dirbtinių neuronų tinklai


Skaitmeninių signalų apdorojimo (SSA) metodai bei priemonės jau seniai tapo kasdienybe ne tik specialistams, bet ir paprastiems kompiuterių ar tiesiog įvairių buitinių prietaisų vartotojams. Daugelis net nesusimąstome, jog regis tokie įprasti veiksmai kaip antai garso efektai, vaizdo koregavimas arba tiesiog skalbyklės veikimas, jau yra pagrįsti SSA priemonėmis. Taigi SSA metodų taikymas yra platus, visapusiškas, patikimas bei veiksmingas.

Šiuolaikiniai SSA metodai veržliai plečiasi į dinaminių signalų apdorojimą, sudėtingų chaotinių sistemų identifikavimą, netiesinių sistemų modeliavimą ir pan. Šiame kontekste, dirbtinių neuronų tinklų (DNT) teorija siūlo pakankamai patogią sudėtingų netiesinių dinaminių sistemų sintezės bei analizės aplinką. DNT teorija yra grindžiama biologinių neuronų tinklų veikimo principais, tačiau jos taikomoji pusė yra labai glaudžiai susijusi su įprastiniais SSA metodais. Daugeliu atveju, DNT teorija tėra patogi interpretacija įprastų SSA metodų, leidžianti giliau pažvelgti į ypač sudėtingą realios problemos (sistemos) sprendinį.

Ši metodinės priemonės dalis yra skirta supažindinti su DNT teorijos pagrindais. Pirmasis skyrius primins apie sudėtingesnes matematines sąvokas reikalingas tolimesnėms DNT studijoms. Antrasis bei trečiasis skyriai supažindins su DNT bei suteiks bazines žinias apie DNT sąvokas. Likusieji septyni skyriai yra skirti atskirų DNT modelių analizei, siekiant glaustai tačiau konkrečiai pateikti žinias apie kiekvieno iš DNT struktūrą, mokymo būdus, naudojimo privalumus bei trūkumus, taikymo sritis.