Modele sieci neuropodobnych

Ryszard Tadeusiewicz

Nie ma chyba obecnie na świecie badacza, który by przynajmniej nie słyszał o sieciach neuropodobnych. Są one nowym i bardzo ciekawym narzędziem informatycznym, przeznaczonym do przetwarzania różnych sygnałów i analizy różnych danych, wzorowanym na budowie i zasadach działania ludzkiego mózgu. Sieci takie, będąc bardzo uproszczonymi modelami fragmentów biologicznych systemów nerwowych, są jednocześnie doskonałym narzędziem do tworzenia modeli różnych innych systemów (biologicznych, technicznych, ekonomicznych, społecznych) — i na tym głównie polega ich zadanie. Przedstawiona wyżej opinia może budzić wątpliwości, zwłaszcza gdy uświadomimy sobie, jak wiele różnorodnych problemów rozwiązuje się obecnie przy użyciu sieci neuropodobnych. Jest ona jednak prawdziwa. Nawet jeśli pozornie istota rozwiązywanego zadania sprowadza się do innego podejścia, nie mającego nic wspólnego z modelowaniem — to jednak twórca sieci musi na ogół tak przekształcić swój problem, by możliwe było wyróżnienie w nim dobrze zdefiniowanych danych wejściowych (przedstawianych jako pewien wejściowy wektor o strukturze i interpretacji zależnej od rozwiązywanego zadania) oraz musi swoje oczekiwania, odnośnie do wyniku obliczeń, także sformułować w postaci pewnego wektora (często zresztą jednoelementowego), zawierającego zestaw produkowanych przez sieć danych wyjściowych. Wśród bogatej oferty różnych metod neuronowego podejścia do rozwiązywanego problemu są również takie, które nie całkowicie odpowiadają opisanej metodyce redukowania istoty rozwiązywanego problemu do samego tylko modelowania danych. Jako przykład sieci nie mieszczącej się w tym schemacie wymienić można sieć Hopfielda oraz (z innych powodów) sieć Kohonena. Jednak kilka nieskomplikowanych przekształceń pozwala tak spojrzeć na problemy rozwiązywane przez te sieci, że także i w ich przypadku można mówić o pewnym neuropodobnym modelu, jako o obiekcie zainteresowania, i o modelowaniu neuronowym jako metodzie rozwiązywania formułowanych problemów. Zanim podejmiemy ten temat nieco dokładniej wyjaśnijmy (dla tych, którzy takich wyjaśnień potrzebują), czym są w istocie rozważane tu sieci neuropodobne, często skrótowo określane także (nieco nieprecyzyjnie) jako sieci neuronowe. Wyjaśnienie to jest tym bardziej potrzebne i celowe, że w tej encyklopedii dyskutowane są inne przykłady modeli neurocybernetycznych, ukierunkowanych bardziej na cel poznawczy (np. modele symulacyjne). Takim celem poznawczym jest próba zrozumienia i zinterpretowania za pomocą bardziej złożonych modeli neuropodobnych zasad funkcjonowania rzeczywistego systemu nerwowego — a zwłaszcza mózgu człowieka. Przy formułowaniu zadań poznawczych użytkownicy odpowiednich modeli są zainteresowani tym, by rozważane przez nich obiekty maksymalnie wiernie odwzorowywały właściwości rzeczywistych biologicznych struktur nerwowych. Sieci neuropodobne omawiane w tym rozdziale mają wyraźnie odmienne zadania: są one wyłącznie narzędziem informatycznym. Oznacza to, że ich budowie przyświeca głównie cel pragmatyczny: mają służyć do przetwarzania różnych sygnałów i analizy różnych danych — a to oznacza, że powinny być jak najprostsze — gdyż wtedy koszt ich realizacji będzie najmniejszy. Nazwa: neuropodobne — to znaczy wzorowane na rzeczywistych sieciach neuronowych, ale nie aspirujące do tego, by je dokładnie naśladować.

Modele sieci neuropodobnych

Teraz do 20% taniej w Księgarni PWN