MarkV
А что конкретно Вас по этой теме интересует:
sensor/system fault detection, verification, оценка динамики ЛА, нейронные сети в навигационных системах или еще что?
По управлению ЛА с использованием нейронных сетей Вам сходу сейчас могу дать ссылки
http://controls.ae.gatech.edu/ ...
Там полно статей.
Но это скорее всего не совсем то, что Вам нужно.
Давайте договоримся так. У меня большинство ссылок и какие-то статьи в pdf на компе на работе.
Если потерпите до понедельника-вторника, что-нить постараюсь вам дать.

У меня работа посвящена параметрической идентификации ЛА и адаптивной фильтрации вектора состояния (в составе информационно-измерительной системы ЛА). Но я NN не применяю ввиду того, что в ключе моей работы
их применение невозможно. Поэтому большинство ссылок на мою тему, но что-то из того что мне попадалось может Вам поможет

AlexTheEngineer
На западных БПЛА уже есть

Mike: Большое спасибо и жду понедельника-вторника.

Советую поискать по ключевому слову F-14.

В Ярославском государственном университете работает группа преподавателей, студентов и аспирантов, занимающаяся нейронными сетями. Не конкретно применением их в авиации, а "вообще". Может быть, они могут что-нибудь сказать, дать ссылочки и т.д. Попробуйте у них спросить. Не бойтесь и не стесняйтесь. Можете сослаться на меня. Вот пара человек оттуда:

Тимофеев Евгений Александрович, профессор:
tim@uniyar.ac.ru

Мячин Михаил Леонидович, старший преподаватель:
ltwood@mail.yar.ru

Сергей Силкин:
Сергей! У меня вопрос. А насколько близки и точны обекты использующие нейронные сети к реалиям? Сам немного моделировал их. Но вот в одной книге по нейронным сетям автор преложил описание сети, по которой был точно угадан выбор президента США. И далее сам же заметил -"к сожалению не всегда данная модель подходит. Пременительно к России эти результаты не совпали" (извините, что перевод не дословный).

Городской:
Вообще-то я знаю нейронные сети только на уровне любителя. :-) Боюсь, моя квалификация в этой области Вас вряд ли устроит. :-) Ну в общем так. Зависит от: 1) Архитектуры сети; 2) Сложности сети - количества слоёв и количества перцептронов в каждом слое; 3) От времени обучения. Исходя из общенаучных принципов можно сказать так. Чем больше всего в вся в нейронной сети, тем она точнее моделирует объекты реального мира. Но опять же, с точки зрения научного здравого смысла, какая бы сложная ни была модель (любая - не обязательно нейронная сеть), она по определению является "хуже", менее точной чем моделируемый объект. Любая модель, даже самая крутая - это ДИСКРЕТНЫЙ СРЕЗ моделируемого объекта, поэтому модель по определению не может на 100% описывать реальный объект, особенно такой сложный как выборы Президента ИМЕННО В РОССИИ. ;-)

По моему, все таки первичное использование - распознавание образов, может быть - поведения (сложных систем). Делать систему диагностики на нейтронных сетях - это выглядит как мазохизм преподавателя на студентах ВУЗА.

(могу ошибаться).

Работаю в институте РАН.
Никакого применения в авиации "нейронные сети" не имеют и иметь не будут. Ни сейчас, ни когда либо в будущем. Дело в том, что это так называемые системы моделирования и нечеткой логики. В ту же категорию попают методы Монте-Карло. Знакомо? И использоваться они могут только для МОДЕЛИРОВАНИЯ процессов, когда не известна никакая точная закономерность процесса или её вообще не существует. Ну, именно то, для чего и это и используется в Монте Карло :)! С тем же статистическим результатом :)! Хотите так управлять самолетом ?
Хотя знаю, что как раз сейчас наши бывшие, беглые из СССР "спецы" именно в Америке вышибают громадные деньжищи на такие "эксперименты" и из того же самого ведомства, что это они делали здесь, у нас при СССР, из МО. Знаю именно конкретных людей, кто там на этом громадные деньги подгреб. Но надо уметь это делать и знать нужных людей. То есть, выбить деньги из МО на "эксперименты" с рулеткой в Монте-Карло крайне трудно, а вот так, чрез умную фразеологию с "нейронными сетями", этим, безусловно умным и ещё более жизнелюбивым людям в Америке удается ещё лучше, чем удавалось в СССР: ореол "секретного физика" + море, горы, девочки, казино, игра, сами понимаете, приятно... Не называю конкретных тем и имен, чтоб не сломать им игру - у меня нет желания улучшить работу научных подразделений Пентагона и сэкономить деньги американского налогоплательщика. Слишком плохо Америка поступает с нами. Пусть им хотя бы отольется и этой бутафорией с "нейронными сетями". Тем, кто хотит применять нейронные сети в авиации у нас, я посоветовал бы обратится в "Академию" Информатизации, там, где Джуна, Чумак, специалисты по "торсионным полям" и пр.. Они подскажут, как это правильно применить. Только за плохие результаты потом на меня не обижаться..

Имел слабость к играм типа "Спортлото". Используя статистику решил опробовать одну из моделей для поиска наиболее благоприятного варианта выиграша. Но на протяжении двадцати розыгрышей ситуация по модели несколько раз менялась от положительной, до противоположной, что применить её не решился.

Всем: спасибо за советы, но инфоррмация о том, что такое нейронные сети "вообще" мне не нужна - я сам эксперт в этой области. Меня интересует только, где, кто и с каким результатом пытался применять их для "распознавания состояния бортовых систем и самолета в целом". Еще раз заранее спасибо!

P.S. Вопрос для самопроверки знатоков: что такое SVM? (google не использовать! ;-)"

О, вот она ещё одна золотая темка для жирного гранта Петагона выскочила. И соперников не видно. Поздравляю ! Столби скорей и регистрируй в Пентагоне! Успехов в золотодобыче и освоение полученных средств! Там сейчас всякие авиа-разработки очень популярны. Будем рады видеть вас в стройных рядах освоителей безбрежных финансов ам. МО, среди стольких знакомых лиц. Главное, тема совершенно безвредная и безопасная, и для Америки и для России, поскольку применена быть никогда не может.

Господа! А вот где можно почитать про разновидность нейронных сетей, которая получила название "гермионная сеть"? Очень уж любопытно.

MarkV
http://www2.cemr.wvu.edu/~gcam ... - -
Neural Network-Based Sensor Validation for the Flight Control System of a B777 Research Model
Близко к тому, что Вам надо я считаю

http://www.grc.nasa.gov/WWW/RT ... -
High Reliability Engine Control Demonstrated for aircraft engines

http://www.grc.nasa.gov/WWW/RT ... - Hybrid Neural Network Genetic Algrorithm
Technique for Aircraft engine performance diagnostics

http://www2.cemr.wvu.edu/~gcam ... -Extended mminimal resource allocating
neural networks for aircraft SFDIA (там про fault detection тоже есть если не ошибаюсь)

http://www.ltt.mech.ntua.gr/pa ... - Probabilistic Neural Networks for validation
of onboard jet engine data

http://www.ece.lsu.edu/mcu/pub ... - тута малоинформативно

У меня к сожалению, что касается нейросетей все больше ссылок по системам упраления ЛА.
Я еще гляну ссылки из своего набора ссылок, но не обещаю что там будет что-то полезное для Вас

Mike: Большое спасибо!

Ребята! Спецы по нейросетям! Ну неужели никто из вас про гермионные сети мне ничего рассказать не может? Не подколки ради спрашиваю - просто очень интересно знать, куда вырулило их развитие. Ведь поначалу, вроде, было очень многообещающее направление.

MarkV
Незачто.
Еще упомянаемый тут мной не раз LUXOFT разрабатывает адаптивные сети, системы анализа структуры планера ЛА (прочностные хар-ки, аэроупругие колебания)
путем использования системы датчиков. Подозреваю (мне кааца), что используют они нейросети.
И видать именно это им заказал Боинг (скорее всего), ибо у них с Боенгом сотрудничество

Serg M
>Никакого применения в авиации "нейронные сети" не >имеют и иметь не будут.
При всем к Вам уважении в этот раз не соглашусь. На западе уже есть примеры применения нейросетей для построения систем управления. Чаще это САУ БПЛА.
Один из примеров - примерение и отработка нейросетевой системы управления в ДПЛА-вертолете
Yamaha R-50 и та же система поставлена на боенговский UCAV X-36.
Создана вся эта САУ в Georgia Tech. University совместно с Boeing и Guided Systems Technologies.

>И использоваться они могут только для МОДЕЛИРОВАНИЯ >процессов,
>когда не известна никакая точная закономерность >процесса или её вообще не существует.
Тут соглашусь. Напрямую нейросети для параметрической идентификации объекта применять невозможно,
ибо нейросеть как модель напрямую не содержит информации о параметрах модели объекта и ее структуре.
Я поэтому в своей работе нейросети для этих целей не использую, а применяю (и разарбатываю) несколко другие подходы.

А как настраиваемая модель нейросеть может использоваться

>чрез умную фразеологию с "нейронными сетями", этим, >безусловно умным и
>ещё более жизнелюбивым людям в Америке удается ещё >лучше, чем удавалось в СССР
Это бесспорно, это кстати мы уже на одной из веток обсуждали

Сергей Силкин
>по определению не может на 100% описывать реальный >объект, особенно
>такой сложный как выборы Президента ИМЕННО В >РОССИИ. ;-)

Так шош тут сложного? Результат ясен заранее ;-)

Счетовод
К сожалению, сказать о них не могу, ибо суперэрудитом по нейросетям не являюсь, поскольку в своей работе их не использую
Но может тут кто про них расскажет

А вот интересно. Представим такой опыт.

Берем простенький самолет (к примеру). Вешаем датчики всего и вся - ускорения, положения стрелок приборов, напряжения в сети, вплоть до температуры за бортом. Очень грубо вешаем веса.

Затем подключаем нечто вроде нейтронной сети с запоминанием - запоминаем, что и при каком ускорении и каких приборах делает летчик. Ну типа - пошел наклон вправо - дает ручку влево. То есть то, что идет на рефлектором уровне, не в мозгу, а в мозжечке (в него сходятся сырые данные от всяких там систем организма, типа вестибулярного аппарата или глаз, с него выдаются рефлекторные команды и образы для остального мозга).

И пролетав кучу разных ситуаций, вплоть до штопора - переводим устройство в режим, когда данные с приборов и датчиков являются входом, а вот управление инвертируем - данные не считываем, а напротик - находим в его памяти наиболее похожую картину и выдаем требуемые движения управлением. По идее - получится идеальный автопилот.

Счетовод: никогда не слышал про "гермионные сети". Как они по-английски называются?

Alex R: если это troll - то не очень удачный.

А что такое troll?

Вообще то это описание работы мозга, на достаточно примитивном уровне - типа супер - голограммы. То есть там запоминается, что при подаче на вход вот такой комбинации сигналов на выходе получается вот такой рефлекс - распознавание условных образов. На нижнем уровне там все работает достаточно примитивно, примитивнее чем в комьютере, но за счет огромного числа связей - обеспечивает как раз правильные рефлекторные образы. По сути то там все - распознавание образов, даже наша память - выдает образы, когда мы ее соответствующим образом подсвечиваем изнутри.

Потому и вопрос - на таких достаточно тупых алгоритмах можно делать очень многие вещи (слышали наверное о компьютере по игре в крестики - нолики, состоящем из спичечных коробков с бусинками?).

А навеяло рассказом о планерах, где автор рассказывает, что ручка управление по сути включена в биосистему пилота, а так как у него еще не включилась, то для него ее поведение - просто бессмысленные дерганья. А планер летит, куда пилоту нужно...

Тут было сообщение, что в наса или какой-то другой штатовской конторе нейроны мозга крысы натренировали для управления YF-22. Во как!

Искусственная нейронная сеть для таких целей дожна быть огроменной, содержать очень много слоев. И, боюсь, универсальную сеть создать невозможно или очень сложно. Она будет все-таки узкофункциональна и не сможет быть полноценным аналогом пилота. Это я про искусственные нейронные сети

В продолжение про крысу - как бы такая система не начала интересоваться американскими продовольственными складами ;-)
Тута уже отравленными семечками не обойдесси

2 MarkV

Как по английски - не знаю, поскольку термин предложен русским ученым. Если не ошибаюсь, его автор некто Георгий Львов из Питера (впрочем, могу и соврать). Просто несколько лет назад мне в руки попал исходный русский текст его доклада, который он позднее сделал на какой-то конференции где-то в Австрии. Судя по тому, что я там прочитал - направление очень перспективное. Поэтому я пытаюсь отслеживать развитие событий, но увы - все тихо...

Виноват, ошибся! Правильное имя автора: Львов Григорий Аркадьевич.

Кстати, вот вам фрагмент из упомянутого доклада Г.А.Львова. Я долго сомневался, могу ли я его здесь выкладывать без разрешения автора, но потом, вспомнив, что автора я уже указал, а доклад был прочитан на конференции... Короче, читайте:

Основным отличием гермионной сети от нейронной является недетерменированность связей. Последние формируются, настраиваются и реконфигурируются в процессе работы ИКС. Выделенного периода обучения в таких системах нет. Разница в подготовке гермионной сети для решения определённой задачи, проявляется уже на стадии формулировки такой задачи. Сама постановка проблемы и типы решаемых задач, вообще, - отличаются от тех, на которые ориентированы нейронные сети. Цель существования гермионной сети и её динамическое формирование, это и есть решаемая задача. Как было уже отмечено, самым примитивным мотивом возникновения гермионной сети может быть требование удержать некоторые физические параметры (характеристики) реального объекта в заданных диапазонах. В этом смысле, задача, решаемая такой системой подобна задаче автомата с обратной связью.

На начальном этапе роста гермионной сети, заметных отличий между методами удержания этих параметров и работой автомата с обратной связью, не наблюдается. ИКС (информационно-квантовая система) просто возвращает параметры в предписанные диапазоны. Но по мере развития сети и накопления связей, поведение ИКС меняется. Если автомат с обратной связью просто возвращает, отклоняющиеся параметры в предписанные диапазоны, то гермионная сеть 'планирует' свою реакцию на основе накопленного опыта. Это планирование предполагает построение прогностических сетевых конструкций, описывающих возможные состояния СЭГ в ожидаемые периоды. Чем больше в сети настроенных связей, чем обширнее её периферийная часть (мощность сенсорно-эффекторной группы), тем больше учитывается причин отклонения параметров и больше возможностей по их коррекции.

Гермионная сеть самоорганизуется по принципу: чем выше качество удержания заданных параметров, тем более жизнеспособна сама конфигурация такой сети. Все конструкции в ней являются сетевидными представлениями последовательностей изменения параметров и последовательностей адекватных действий системы.

Интересны проявления познавательной активности подобных систем, предопределённые информионом. Поскольку такое устройство работает в режиме упреждения состояний СЭГ (сенсорно-эффекторная группа), то наготове всегда имеются несколько вариантов развития событий. Если на протяжении некоторого времени состояния остаются предсказуемыми, в системе происходит инверсия стимула, и она начинает совершать действия, направленные на выход из зоны предсказуемости. Для стороннего наблюдателя это выглядит, как попытка системы найти в окружающей её среде нечто новое, не представленное в виде конструкций гермионной сети.

Господа, я не великий знаток нейронных сетей, я только начинаю...Мне кажется, что не стоит так уж категорично говорить о невозможности использования нейронных сетей для управления самолетом.
Привожу пример. Моя кандидатская основывается на исследовании работы адаптивных антенных решеток (радиолокация, радионавигация).
На вход антенной решетки приходит сигнал с помехой (без помехи не бывает, сами понимаете). Этот сигнал обрабатывается процессором, который в свою очередь вырабатывает величину весового коэффициента (короче, выделяет из полученного сигнала значение помехи)и подает его на сумматор, но с обратным знаком. Вот и получается, что из входного сигнала с помехой вычитается значение помехи, и на выход адаптивной антенной решетки поступает чистый сигнал.
Таким образом работает современная система ААР. А я подумала, почему бы вместо процессора не применить нейронные сети, причем самообучающиеся. Поступает на вход нейронной сети сигнал от антенны, она с помощью внутреннего алгоритма высчитывает значение поправки на помеху. Причем, заметьте, используя нечеткую логику нейронной сети будет проще определить наличие помехи, чем простому процессору. Можно вообще заменить всю диаграммообразующую схему одной нейронной сетью, которая бы обрабатывала входной сигнал и подавала его сразу на выход схемы.
Так что тут задуматься есть над чем. Кстати, если кому-то стало интересно, заходите.

Но помеха-то - нормальный белый шум (или окрашеный) - скорее всего такая гипотеза, но могет быть и другие распределения. То бишь случайный процесс. Как такую помеху вычесть - не понятно? Ту надо получать оптимальную оценку сигнала. Для этой цели хорошо применять алгоритмы фильтрации, например калмановской.
Это если модель объекта и модель шума (статистические хар-ки)известны точно. Если они неизвестны - Калман не пойдет, оценка не будет оптимальной.
Надо брать адаптивный фильтр в этом случае.

Serg M:
Спасибо. Приятно здесь видеть спеца.

2 Mike, MarkV:
Вы бы проговорились про хотя бы один Ваш работающий и по сей день проект в авиации, кот. имеет отношение к АСУ. Здаётся мне таковых нет... а прочитывая написанное Вами можно предположить, что и не будет... :(

Какие, нафиг, нейронные сети?! Вы знаете просто о чём эта тема или знаете что это такое?!

Попробуйте найти работы времён разработки чипов с массивом нейронов. Посмотрите как это развивалось и, ради Бога, не забивайте глупостями голову нормальным людям.

НС можно классифицировать различными способами. Я обычно делю их по двум "измерениям": модель нейрона и топология сети. С линейной моделью нейрона понятно все, она не может ничего интересного. Двоичная модель - триггер, что можно построить из триггеров тоже давно известно. Интерсные вещи начинаются если модель нейрона нелинейная, а топология сети нетривиальная, например многослойные или нечто постоенное из гиперкубов. Моделирование таких сетей сопряжено с большими сложностями, так как со сложностью топологии лавинообразно растет комбинаторная сложность задачи. Если система на НС требует недетских вычмслительных ресурсов, да еще в реальном времени, то ее применение оправданно только когда нет никаких традиционных методов для эффективного решения данной задачи. Класс таких задач узкий, но он существует. Например всякое распознавание образов. Если задача "стОящая" то создается специальная аппаратура для моделирования НС в реальном времени. Моделирование на машинах Фон Неймановской архитектуры малопродуктивно.

aTan
Дык мы тут все дэбилы, нихрена не знаем и не понимаем.

> Здаётся мне таковых нет... а прочитывая написанное >Вами можно
> предположить, что и не будет... :(

Коли большой спец, аргументируй. А типа говорить хня это все - ума не надо

>Какие, нафиг, нейронные сети?! Вы знаете просто о >чём эта тема или знаете что это такое?!

Да нет, мы ничего не знаем

Кстати, я никогда не применял нейросетей и для многих приложений не являюсь сторонником их применения.
Но в целом отрицать их тоже не буду, кое где сгодятся

Ну а насчет фикции нейросетей - это ты америкаосам говори, они любители на основе НС
разрабатывать автопилоты и системы обнаружения сбоя подсистем и датчиков

И то, что я говорил постом выше Касперу - я вовсе не НС имел ввиду

Так что чтобы не нести глупостей надо Вам самим разобраться с темой и внимательно вчитаться в тутошние постинги

MarkV
Может Вам какие-нить из этих работ будут интересны
http://www.barron-associates.c ...

Куплю нейрон. Дорого. Можно в копмлекте с аксоном. Китайского производства не предлагать.

2Mike:
Прошу прощения, вышло резковато. :))

Одако, нейросети, в принципе своём, эксперимент неудавшийся. Ничего не буду доказывать - для меня разница затрат в подходах нейросетей и фон Неймана весьма очевидна в пользу последнего. Очевидное формализовывать муторно и неблагодарно. К тому же получится увесистый набор лекций. :))

Майк, а про мерикосов я Вам давно говорил: большинство разрекламированных тем у них - это голое обдирание бюджетов. К технически/экономически обоснованным решениям это имеет СЛАБОЕ отношение.

Не нужно смотреть на НИХ - у НИХ свои задачи и способы их решения. У нас же, по традиции, техническая разумность всё-таки определяет изделие... мне так кажется.

aTan:
>Одако, нейросети, в принципе своём, эксперимент >неудавшийся.

Это абсолютно не так. Лучше сказать что применение НС ограничено определенным кругом приложний. Например, распознавание образов. В этой области
НС успешно применяются. И в таких приложениях как распознавание рукописных символов
никто НС на другие подходы не променяет - знаю это по конторам, являющимся мировыми лидерами
в своих областях.

Построение систем управления на основе НС - эффективность этого подхода под вопросом.
Тем не менее, в штатовских универах и проектных конторах НС любят и что-то у них вроде реально получалось(хотя не всегда)
Скажем так, я бы при проектировании САУ ЛА - НС не применял, лично я

А вот для обнаружения сбоев подсистем и датчиков, fault detection - там применение НС может быть эффективно

>для меня разница затрат в подходах нейросетей и фон
>Неймана весьма очевидна в пользу последнего.
Вы тут говорите о железячной реализации, я имею ввиду уклон на алгоритмы

>Майк, а про мерикосов я Вам давно говорил: >большинство
>разрекламированных тем у них - это голое обдирание >бюджетов.

Да, более того у меня иногда возникает параноидальная мысль о лажовости того, что есть в открытых штатовских источниках (не всего конечно, но кое что)- типа идите "верной" дорогой товарищи
ИМХО

>Не нужно смотреть на НИХ - у НИХ свои задачи и >способы их решения.

Нет, вот как раз смотреть нужно чтобы оценивать их подходы и пути.
Только поступать надо ПО-СВОЕМУ - с этим я согласен полностью

- Братаны! Прикинте - купил японскую машину, управляемую силой мысли!
- Круто! А чего пешком пришел?
- Да все с ручника снять не могу....

Российский ВПК сворачивает свои программы по созданию оружия с элементами искусственного интеллекта - опытный образец "умной" бомбы так и не удалось ВЫПИХНУТЬ из самолета.

>Прикинте - купил японскую машину, управляемую силой >мысли!
Кстати, это уже не шутка. На недавнем CEBITе такое уже демонстрировалось
Управление мыслью техническими системами - реальность сегодняшнего дня

Доизобретаемся, мля. Мы рождены, что б Кафку сделать былью(с) :(((

Майк... НС - модная тема, не более.

Распознавание образов гораздее безо всяких НС
работает. А "лидеры" разные там потому и лидеры, что
продали модную тему. И орут, дабы заказы не кончились,
что сделать можно только так. :))) Сраный маркетинг. :))

А фолты датчиков можно и естественными способами ловить. :))

Mike: А что именно подразумевается под "распознаванием образов"? Сам термин весьма расплывчат. От простой классификации до ... вот до этого самого. Распознавание текста, к примеру, прекрасно обходится без НС.
aTan: Да уже и не очень модная, пик в очередной раз пройден. Но вреда этому направлению нанесли изрядно.

aTan
Модная. Но для кого то модная, а для какого-то самый эффективный инструмент.

>Распознавание образов гораздее безо всяких НС >работает.
Подходов то много, только какие-то из них более эффективные, а какие-то менее

>А "лидеры" разные там потому и лидеры, что
>продали модную тему. И орут, дабы заказы не >кончились,
>что сделать можно только так.
Для них (для некоторых кого я знаю) это не мода, а именно инструмент создания эффективных автоматизированных систем.
Это от конгресса пентагон может под "моду" бабло выбить. А на рынке софта, или например
банковских автоматизированных систем работают другие принципе. Там одним из определяющих принципов является именно эффективность продукта

>А фолты датчиков можно и естественными способами >ловить. :))
Да, например разными модификациями фильтра Калмана

Аноним
Термин "распознавание образов" действительно широк
Я же могу привести пример одной французской конторы - A2iA - они специоализируются
на разработке систем распознавания рукописного текста (на бумажных банковских билетах).
Общался с ними немного когда-то (с представитедями питерского филиала) - они применяют НС для распознавания. Ребяты толковые,
и науку по ходу двигают.

http://www.a2ia.com - сайт компании

А вот конкретно какие алгоритмы они применяют - http://www.a2ia.com/en/dec_art.htm

Мнение, что нейроные сети не будут применять в авиации ложь зачем приплетать сюда метод Монте-Карло.Который прекрасно используют для расчета многомерных интегралов?Интегралы сложные быстрее вычисляются, чем другие методы.
Есть книга для студентов.Введение в синергетику, А.Ю.Лоскутова и А.С.Михайлова, 1990 г. где рассматриваются огромные преимущества работы таких сетей. Сегодня это распознование образов, то завтра моделирование процессов мышления в процессе боя той же ракеты.Я думаю не надо доказывать, что мозг человека, а так же группа людей( это уже сеть) работают качественно лучше, надежнее чем один компьютер на подавляющем числе работ.Но в России конечно на это денег не будет.Специалисты многие уехали из страны.А как поднимут в 5 раз стоимость обучения в университетах, то откуда возьмуться богатые студенты?Все кинуться учиться торговле, работе в банках, чтобы вернуть потраченные деньги на обучения.Сейчас в физтехе ситуация.Нет учебников.На группу выдают по 2-3 книжки.Современные книги стоят 150 долларов.И российские билиотеках отсутсвуют современные книги по многим направлениям современным.Их пока заменяют только иностранные научные журналы.

Dmitri, Вы либо идеалист, либо о НС знаете только из книжек.

Какое моделирование мышления?!
У человека задействовано огромное количество (даже не знаю названия цифры :) этих самых юнитов для построения сети. Человек, а он является _самым_ быстродействующим из известных сегодня "устройств", тратит ДО 10 ЛЕТ на обустройство синап.сети до приемлемого уровня самостоятельности. ВЫ ЧТО, ХОТИТЕ ЭТО ПОВТОРИТЬ??

Хорошо, пусть даже это технически и получается, однако НИКТО ещё не увидел где и как происходит принятие решения (у человека). Сеть является только декодером/ассемблером, более мы в ней ничего ни увидеть ни понять НЕ МОГЁМ, да будет Вам известно. А посему пытаться строить модели с отсутствием знаний глупо и безперспективно.

Нейросети в сегодняшнем САМОМ передовом виде не имеют многих ОСНОВНЫХ свойств биологических НС. Напр.:
1. Не перестраивают связи в проц. обучения;
2. Делят нейроны на группы по уровням (у био. и близко такого нет);
3. Нейроны одинаковы (у био совсем не так).

А посему смоделировать хоть что-нить похожее на себя с помощью этой глупости не получится.
И не надейтесь. :))

2Mike:
Майк, не нужно про эффективность...
Раз уж речь зашла о софте, то скажу вот чего. В ОЧЕНЬ узком, как лезвие, секторе спектра задач программирования НС дают возможность НЕ СТАВИТЬ ЗАДАЧУ, соотв. уменьшить затраты на проект и получить какой-никакй рез-т.
Это выгодно только в случае, когда нет чётко поставленной системы производства ПО и нужен одноразовый продукт. Ни развивать, ни сопровождать в жизненном цикле системы на основе НС не возможно. :))
Я же сторонник (даже не сторонник, а провайдер!) выполнения работы КАЧЕСТВЕННО и с предсказуемым результатом (читай дальнейшим сопровождением и предсказуемой эксплуатацией).
Разные там фуззи очень хорошо работают в кондиционерах и холодильниках, где функции всего-то полторы, да и то без них легко обойтись... Не надо путать Божий дар с яичницей, даже если вам в ухо кто-то нашёптывает не ваш выбор.
Всё, пошёл кофе пить. ;)

aTan
>Майк, не нужно про эффективность...
Дык нужно, что ж Вы такой упертый ;-)
Не стоит быть отрицателем, в указанных мной областях НС являются достаточно эффективным и удобным подходом, иначе ими бы никто не пользовался.
Скажем так, для той же тематики распознавания рукописного текста алгоритмы, построенные на НС (указанные в ссылке выше), позволяют достигать ошибки распознавания ниже указанного вероятностного порога.
Ессесно, можно решать задачу и другими методами как например отношением плотностей вероятностей признаков
и поиск наибольшего правдоподобия или какие-то другие подходы - но для данной тематики алгоритмы на НС
удобнее и эффективнее
Это к слову о "какой-никакй рез-т." - какой-никакой результат не катит. Есть ТЗ и требования к эффективности, как например заданная допустимая вероятность ошибки

>Это выгодно только в случае, когда нет чётко >поставленной системы
>.производства ПО и нужен одноразовый продукт.

Это не есть так. Поглядите какие конторы какие подходы используют и каково их место на рынке

>Ни развивать, ни сопровождать в жизненном цикле >системы на основе НС не возможно. :))
Да ну!

>Я же сторонник (даже не сторонник, а провайдер!) >выполнения
>работы КАЧЕСТВЕННО и с предсказуемым результатом

Ну, наверное, не один Вы

>Не надо путать Божий дар с яичницей, даже если вам в >ухо
>кто-то нашёптывает не ваш выбор.

Никто нам не нашептывает, если надо - мы сами подходы разрабатываем

Хотя я вот совсем не собирался быть защитником НС, а так вышло

Эффективно моделировать НС по сложности сопоставимые с мозгом человека на машинах Фон Неймановской архитектуры не получится. Это студенту 3 курса должно быть понятно. Вопрос в тос что для получения практических результатов не нужно решать столь амбициозную задачу. Например для выделения цели в плотном строю не нужен мозг человека. Мозга канарейки для решения этой задачи более чем достаточно. Если задача моделировать мышление не стоит, то НС не обязана в точности повторять биологию. Нормальный, здоровый инженерный подход - сделать достаточно точно, чтобы работало, и не более. Решается-то конкретная инженерная задача, как то сделать бомбу или ракету. Как заствить ее узнавать цель и в нее попадать.

"Фоме Неверующему" могу ответсвенно заявить, что работы по НС, которые велись в СССР и США в 70х годах прошлого века, увенчались успехом в виде постановки результатов "в металле" на вооружение обеих сторон. Засим откланиваюсь. Итак сказал больше чем следовало.