CC BY
20
2. Зенкова Н.А. Психологическая модель готовности студентов первого курса к обучению в вузе: Дис. ... канд. психол. наук. Тамбов, 2003.
3. Арзамасцев А.А., Зенкова Н.А. Система психологического тестирования на основе аппарата искусственных нейронных сетей // Искусственный интеллект. 2004. № 2. С. 237-242.
4. Зенкова Н.А., Арзамасцев А.А., Коваль Н.А. Использование аппарата искусственных нейронных сетей для идентификации свойств личности в учебном процессе // Успехи современного естествознания. 2004. № 5. С. 89-91.
5. Арзамасцев А.А., Зенкова Н.А. Изучение основ искусственного
интеллекта студентами психологических специальностей // Информатика и образование. 2004. № 7. С. 83-86.
6. Зенкова Н.А., Арзамасцев А.А. Модель готовности индивидов к познавательной деятельности на основе аппарата искусственных нейронных сетей // Вестн. ТГУ. Сер. Естеств. и технич. науки. IX Державинские чтения: Матер, науч. конф. преподавателей и аспирантов. Тамбов, 2004. Т. 9. Вып. 1. С. 156-157.
7. Арзамасцев А.А., Безрученко И.Е., Зенкова Н.А. Личностные качества и профессиональная предрасположенность школьников старших классов города Тамбова. Тамбов: ИМФИ ТГУ им. Г.Р. Державина, 2004. 103 с.
ПРОГРАММИРОВАНИЕ ИСКУССТВЕННЫХ НЕЙРОННЫХ СЕТЕЙ С ЖЕСТКИМ ЯДРОМ
© В.В. Максимушкин
Самым доступным способом проверить работу искусственных нейронных сетей (ИНС) является их компьютерное моделирование. Следует отметить, что число публикаций, рассматривающих программную реализацию ИНС, мало по сравнению с общим числом работ на тему нейронных сетей. Это тем более удивляет, если учесть, что универсальных программных средств для моделирования нейронных сетей крайне мало, и стоимость их также достаточно велика. В результате большинство исследователей предпочитают создавать собственные программные средства.
Существуют два подхода к программированию ИНС: матричный и объектно-ориентированный (ОО).
Первый подход может показаться более приемлемым. Из теории нейронных сетей известно, что процесс обучения ИНС может быть записан в терминах и с применением операций матричной алгебры. Судя по всему, такой подход обеспечит более быструю и компактную реализацию ИНС, нежели ее воплощение на базе концепций объектно-ориентированного программирования.
Однако в последнее время преобладает именно ОО подход, причем зачастую разрабатываются специальные объектно-ориентированные языки для программирования ИНС. Хотя, с моей точки зрения, универсальные ОО языки, например С++ и Равса!, были созданы
как раз для того, чтобы исключить необходимость разработки каких-либо других ОО языков, в какой бы области их не собирались применять.
Программирование искусственных нейронных сетей с применением ОО подхода имеет свои плюсы.
Во-первых, оно позволяет создать гибкую, легко перестраиваемую иерархию моделей ИНС.
Во-вторых, такая реализация наиболее прозрачна для программиста, и позволяет конструировать нейронные сети даже непрограммистам.
В-третьих, уровень абстрактности программирования, присущий объектно-ориентированным языкам, в будущем будет, по-видимому, расти, и реализация ИНС с ОО подходом позволит расширить их возможности.
Так же стоит отметить, что при матричном подходе реализация ИСН с жестким ядром оказывается весьма проблематичной. Так как в этом случае сеть представляется в виде матриц, а указывать программе какие элементы матрицы можно использовать для вычислений, а какие нет - задача довольно трудоемкая.
Объектно-ориентированный подход позволяет очень просто реализовать нейронные сети с жестким ядром. Для этого потребуется всего лишь ввести в класс, реализующий нейрон, новое свойство - так называемую свободу нейрона и добавить в алгоритм обучения проверку этого условия.
