Методы принятия управленческих решений

Интеллектуальные методы и средства принятия управленческих... 251 принципу организации и функционирования биологических нейрон- ных сетей — нервных клеток живого организма 1 . Нейросеть представ- ляет собой систему соединенных и взаимодействующих между собой простых процессоров (искусственных нейронов), где каждый из них работает только с сигналами, которые он периодически получает и по- сылает сам другим нейронам. Характерным отличием нейросетей от других вычислительных мо- делей является их ориентация на биологические принципы, благодаря чему они обладают следующими качествами: • массовый параллелизм; • распределённое представление информации и вычисления; • способность к обучению и обобщению; • адаптивность; • свойство контекстуальной обработки информации; • толерантность к ошибкам; • низкое энергопотребление. Вышеперечисленные свойства позволяют использовать нейросети для решения сложных задач с неполными входными данными или от- сутствием четко выраженных алгоритмических правил (рис. 5.25), на- пример, для прогнозирования (погоды, валютного курса, чрезвычай- Искуственные нейронные сети Нейронная сеть — это последова- тельность нейронов, соединенных между собой синапсами. Нейрон — это вычислительная единица, которая получает и производит вычисления над информацией и передает ее далее. Есть три основных типа нейронов: входной нейрон, скрытый нейрон и выходной нейрон. Синапс — это связь между нейронами, имеющий параметр «вес», благодаря которому информация изменяется, переходя от нейрона к нейрону. Совокупность нейросети или матрица весов — это своеобразный мозг системы; благодаря этим весам обрабатывается входная информация и превразается в результат. Тренировочный сет (обучающие данные) — последовательность данных, поступающих на вход нейронной сети при ее обучении. Тестовый сет (тестовые данные) — набор данных, используемых для проверки качества работы обученной нейронной сети. Итерация — счетчик, который увеличивается при каждом прохождении тренировочного сета. Ошибка — величина, показывающая, насколько нейронная сеть ошибается. Должна стремитьсся к нулю в процессе обучения. Рис. 5.24. Искусственные нейронные сети 1 Чернобровов А. Место нейросетей в Data Science: краткий ликбез и последние тренды [Электронный ресурс], 2019. URL: https://chernobrovov.ru.