Искусственные нейронные сети: учебное руководство
Artificial neural networks: a tutorial
1996-03-01
SCID: 54.1/u8rfs6xw
Discuss with AI
Искусственные нейронные сети (ANNs)Искусственные нейронные сетибиологический нейронраспознавание символовархитектуры сетей
Figures from the paper
Abstract (AI)
Искусственные нейронные сети (ANN, от английского artificial neural nets) представляют собой массово параллельные системы с большим числом взаимосвязанных простых процессоров. В статье рассматриваются мотивации, приведшие к развитию АНС, и описывается базовый биологический нейрон и его искусственная вычислительная модель. Излагаются архитектуры сетей и процессы обучения, а также представлены некоторые из наиболее часто используемых моделей АНС. Заключение посвящено распознаванию символов как успешному примеру применения АНС.
Key Findings
1
Искусственные нейронные сети (ИНС) являются массово-параллельными системами, состоящими из многих взаимосвязанных простых процессоров.
2
Распознавание символов отмечено как успешное приложение ИНС.
3
Описаны архитектуры сетей и процессы обучения для ИНС, что указывает на системные подходы к проектированию и обучению.
4
Представлены некоторые из наиболее часто используемых моделей ИНС, обеспечивая обзор стандартных архитектур.
5
В статье описывается биологический нейрон и соответствующая ему искусственная вычислительная модель как основа ИНС.
Research Object
Искусственные нейронные сети (ИНС)
Research Subject
Фундаментальные концепции, архитектуры, модели вычислительного нейрона, процессы обучения, распространённые модели ИНС и их применение к распознаванию символов
Publication Details
Publication Date
1996-03-01
Journal
Publisher
ISSN
Cited by
4970
Access Type
Author Information
Download PDF
Subscribe to digest
Источники этой статьи в scid.ai1
Работы, цитирующие эту статью10
Кластеризация данных1999
Всесторонний обзор применения искусственных нейронных сетей для распознавания образов2019
Обзор методов машинного обучения для обеспечения кибербезопасности за последнее десятилетие2020
Обзор и анализ методов автоматической оптической инспекции и контроля качества в электронной промышленности2020
Обзор методов машинного обучения для оптимизации маршрутизации в программно-определяемых сетях2021
Применение искусственного интеллекта в механике горных пород: обзор2020
Обзор диагностики проточной части газотурбинных установок: современные методы, проблемы и перспективы2019
Искусственный интеллект и передовые материалы2022
Глубокое обучение и анализ временных рядов для раннего обнаружения поглощений бурового раствора в процессе бурения2021
Применение методов искусственного интеллекта для прогнозирования продуктивности «рыбьего скелета» (fishbone) скважин2019