Mis on närvivõrk ja kus kasutatakse närvivõrke (0)

TALLINNA TEHNIKAÜLIKOOL
Närvivõrkude rakendusvaldkonnad
IT eetilised , sotsiaalsed ja professionaalsed aspektid
Referaat
Juhendaja /õppejõud: Kaido Kikkas
Üliõpilane: Sergei Novikov
179797
Üliõpilase meiliaadress: [email protected]
Õppekava nimetus: IT süsteemide arendus

Sisukord

Sissejuhatus 3
Mis on närvivõrk? 4
Närvivõrkude rakendusvaldkonnad 5
Rakendused , mis kasutavad närvivõrku 8
1. PRISMA 8
2.MLVCH 8
3.MSQRD  8
4.FaceApp 8
5. Shazam ja SoundHound 9
6.Yandex: "Milline auto sa oled?" 9
7. Microsoft : What Dog 9
8.Ebasõbralik Twitter -bot Tay 9
9.Google Translate 9
10. Project Oxford (Microsoft) 9
11.Hääleassistent 10
12.Soovitused teie eelistustele 10
Kokkuvõte 11
Kasutatud materjalid: 12
Lisad 13
Lisa 1: PRISMA 13
Lisa 1: MLVCH 14
Lisa 2: FaceApp 15
Lisa 3: “Milline auto sa oled?” 16
Lisa 4: What Dog 17
Lisa 5: Twitter-bot Tay 18
Lisa 6: Google Translate 19
Lisa 7: Project Oxford 20

Sissejuhatus

Ma valisin selle teema, sest küsimused tehisintellektist ja närvivõrkudest on praegu muutunud populaarsemaks kui kunagi varem. Viimastel aastatel on tehnoloogia areng nii palju kiirenenud, et see ei üllata enam meid. Oleme peaaegu harjunud mõttega, et järgmistel aastatel on teedel autopiloodiga autod ja suhtluskõnega personaalarvuti on huvitavam kui suhtlemine inimestega.
Üks Google Sandar Pichai tippjuht ütles 2014. aastal, et ettevõtte peamine prioriteet selles arengu etapis on masinatreening. Kaks aastat hiljem, pärast seda teadaannet, 2016 . aasta märtsis AlfaGo võitis parima mängija Go'is professionaalse 9 dan Lee Sedoli. Pärast inimese hävitavat kaotust tehisintellektile algas närvisüsteemide buum .
Minu töö eesmärk on näidata, mis on närvivõrgud ja kus neid kasutatakse. Mis see on, tasub teada ka neil, kes pole IT-maailmast kunagi olnud huvitatud.

Mis on närvivõrk?

Tehisnärvivõrk on bioloogilise aju eeskujul ehitatud arvutuslik arhitektuur. Närvivõrk imiteerib elusorganismide närvisüsteemi struktuuri ja omadusi: närvivõrk koosneb paljudest lihtsatest arvutuslikest elementidest (neuronitest) ja sellel on keerulisem käitumine kui iga üksiku neuroni võime. Neuronvõrk saab sisendsignaale, analüüsib seda sarnaselt meie aju kasutamisega. Analüüsi käigus õpib võrgustik (omandab kogemusi ja teadmisi) ja väljastab eelmise kogemuse põhjal vastava vastuse (väljundsignaalid), mis on probleemi lahendus.
Probleemi lahendamiseks saab õpetada kunstlikku neuronivõrku, nagu looduslikku bioloogilist neuronite võrku: see sisaldab neuronite sisemisi adaptiivseid parameetreid ja nende struktuuri ning nende muutmine võib muuta oma käitumist.
Närvivõrgud on andmetöötluse ja analüüsi adaptiivne süsteem, mis näitavad selliseid võimalusi nagu mitteformaalse õppe võime, võime teavet koondada, võimet iseseisvalt ette valmistada ennustusi, mis põhinevad juba esitatud ajajärjestustel. Nende peamine erinevus teiste meetoditega on see, et närvivõrgud põhimõtteliselt ei vaja eelnevalt teadaolevat mudelit ja ehitavad seda ise ainult esitatud teabe põhjal. Sellepärast on närvivõrgud muutunud praktikaks kõikjal, kus on vaja lahendada prognoosimise, klassifitseerimise ja juhtimise ülesanded.
Neuro -võrgud väljendavad end kõige paremini seal, kus on palju sisendandmeid, mille vahel on kaudsed suhted ja seaduspärasused. Sellisel juhul võtavad närvivõrgud automaatselt arvesse mitmesuguseid mittelineaarseid sõltuvusi, mis on peidetud andmetesse. See on eriti oluline otsuste tugisüsteemide ja prognoosimissüsteemide puhul.
Närvivõrkudel ei ole selget arusaama nendes olevatest teadmistest, selle asemel on need kujutatud mustritena, mis omakorda mõjutavad võrgu komponente. Kõige tuntum tehisnärvivõrgust on pärilevivõrk, milles kõik ühendused sõlmede vahel liiguvad sisenditest väljundite suunas. Tehisnärvivõrkude üks eelistest on see, et ei ole vajadust suuri ja keerulisi protsesse kirjeldada konkreetses matemaatilises formaadis, sest närvivõrku saab võrrelda universaalse musta kastiga, mis leiab peaaegu iga süsteemi jaoks ligikaudse lahenduse.
Tehisnärvivõrkude üks erilisemaid omadusi on, võrreldes teiste arvutuslike arhitektuuridega, selle õppimisvõime. Kui närvivõrgule on määratud kindel ülesanne, funktsioonide hulk, mida ta rakendab ja vaatluste hulk oodatud tulemustest, siis suudab närvivõrk leida kaalud, mille puhul on võimalik teha ennustusi mingi veaga.
Erinevate ülesannete lahendamiseks kasutatakse neuro-võrke. Kui vaadelda ülesandeid probleemi raskusastmete kaudu, siis lihtsate ülesannete lahendamiseks sobib tavaline arvutiprogramm, aga raskemad ülesanded nõuavad lihtsat ennustust või ligikaudsete võrrandite statistiliste meetodite kasutamist.
Aga keerukama taseme ülesanded nõuavad täiesti erinevat lähenemist. Eriti viitab see mudel tunnustamisele, kõnele või keerukale prognoosile, sest inimese peas toimuvad sellised protsessid alateadlikult, see tähendab, et inimesed ei ole teadlikud sellest, kuidas see protsess toimub ja seega ei saa inimene seda kontrollida.
Närvivõrkude võime muudab nad väga populaarseks. Neile saab õpetada palju, näiteks mängides mänge, tunnetades teatud hääli ja nii edasi. Lähtudes asjaolust, et tehisvõrgustikud on üles ehitatud bioloogiliste võrgustike põhimõttel, saab neid koolitada kõigis protsessides, mida inimene mittetahtlikult teostab.

Närvivõrkude rakendusvaldkonnad

Majandus ja ettevõtlus:

• Prognoosimine (vahetuskursid, toorainehinnad, nõudlus , müügimahud jne)
  
• Automaatne kauplemine ( valuuta -, aktsia- või kaubavahetuse kauplemine)
  
• Kinnisvara hindamine
  
• Kontrollide ja dokumentide lugemine ja tunnustamine
  
• Plastkaartide tehingute turvalisus
  
• Kliendi käitumise prognoosimine
  
• Võimaliku pettusega seotud tegevuse prognoosimine
  
• Panga korrespondentkontode saltode prognoosimine
  
• Rahakäibe, käibekapitali prognoosimine
  
• Pankroti prognoosimine
  
• Majandusparameetrite ja aktsiaindeksite prognoosimine
  
• Ettevõtte filiaalide töö analüüs
  
• Konkureerivate ettevõtete võrdlev analüüs
  
• Energiatarbimise prognoosimine
  
• Käsitsi kirjutatud märkide tunnustamine, sealhulgas allkirja automaatne tuvastamine
  
• Video- ja helisignaali tuvastamine ja töötlemine
  

Meditsiin ja tervishoid :

• Patsiendi diagnoosimine (haiguste diagnoosimine)
  
• Meditsiiniliste kujutiste töötlemine
  
• Instrumendi puhastamine mürast
  
• Patsiendi seisundi jälgimine
  
• Erinevate ravimeetodite tulemuste prognoosimine
  
• Ravi efektiivsuse analüüsimine
  

Aviatsioon:

• Koolitatud autopiloodid
  
• Radari signaali tunnustamine
  
• Tugevalt kahjustatud õhusõidukite, mehitamata õhusõidukite adaptiivne piloteerimine
  

Teabevahetus:

• Video teabe kokkusurumine
  
• Kiire kodeerimine / dekodeerimine
  
• Mobiilsidevõrkude optimeerimine ja paketi suunamisskeemid
  

Internet:

• Assotsieeruva teabe otsimine
  
• Elektroonilised sekretärid ja iseseisvad agendid internetis
  
• Rämpsposti filtreerimine ja blokeerimine
  
• Uudissaadete sõnumite automaatne positsioneerimine
  
• Sihitud reklaam ja turundus e-kaubanduse jaoks
  

Tootmise automatiseerimine :

• Tootmisprotsesside režiimide optimeerimine
  
• Toodete kvaliteedikontroll
  
• Mitmemõõtmelise lähetamise teabe jälgimine ja visualiseerimine
  
• Hädaolukordade vältimine
  

Robootika :

• Objektide ja takistuste tunnustamine roboti ees
  
• Marsruudi loomine
  
• Manipulaatori juhtimine
  
• Tasakaalu säilitamine
  

Poliitilised ja sotsioloogilised tehnoloogiad :

• Valimistulemuste prognoosimine
  
• Küsitluste analüüsimine
  
• Reitingute dünaamika prognoosimine
  
• Oluliste tegurite väljaselgitamine
  
• Elanikkonna sotsiaalse dünaamika uurimine ja visualiseerimine
  

Turvalisus, turvasüsteemid:

• Näo tuvastus
  
• Isiku tuvastamine sõrmejälgede, hääle, allkirja või isiku poolt
  
• Autode numbrite tunnustamine
  
• Sissetungide avastamine
  
• Võltsingute tuvastamine
  
• Andmete analüüs video anduritelt ja erinevatelt sensoritelt
  
• Kosmosesõidukite piltide analüüs
  

Teabe sisestamine ja töötlemine:

• Käsitsi kirjutatud tekstide, skaneeritud posti-, makse-, finants - ja raamatupidamisdokumentide tunnustamine
  
• Kõnekäskluste tunnustamine, teksti kõne sisestamine arvutisse
  

Uurimine:

• Seismiliste andmete analüüs
  
• Mineraalide otsimine
  
• Ressursside hindamine
  

Arvuti- ja lauamängud:

• Neuro-mängijate loomine rahvusvaheliste meistrite tasandil ( kabe , male)
  
• Mängu "Go" võidud Euroopa- ja Maailmameistrivõistlustel
  
• Tuntud klassikalise arvutimängud Atariga (Pong, Pac-Man jt.) võitis lõpptulemusena kiiremini kui inimene.
  

Kokkuvõtteks, närvivõrgud on paindlik ja võimas tööriistade komplekt erinevate andmetöötluse ja analüüsiülesannete lahendamiseks.

Rakendused, mis kasutavad närvivõrku

Hiljuti ilmus mobiilrakenduste turule palju meelelahutusprojekte, mis kasutavad närvivõrke.
Meelelahutuslikke teenuseid ei loodud mitte erinevad ülesannete lahendamiseks, vaid selleks, et näidata närvivõrkude võimekust ja viia läbi nende väljaõpe.
Arendajad loovad meelelahutusrakendusi, et kasutajad saaksid kokku puutuda närvivõrkude võimalustega ja alla laadida võimalikult palju andmeid õppimiseks ja ennese arendamiseks .
Rakenduste seas on ka väga kasulikke programme .

PRISMA

Rakendus teisendab fotosid kuulsate kunstnike piltidele, mis võib olla kõige kuulsam rakendus närvivõrkude kasutamiseks tänapäeva elus. (vt. Joonis 1)
Kuid piltide stiliseerimist saab rakendada mitte ainult meelelahutuseks , vaid ka kujunduses, animatsioonis, arvutigraafikas ja muudes sarnastes valdkondades. Ühe foto töötlemine võtab aega veidi üle 1 sekundi ja seda hoolimata asjaolust, et foto laaditakse serverisse üles, töödeldakse ja saadetakse kasutajale.
Foto töötlemisel määratakse sellel kuvatud objektid. Seejärel lisatakse pildile valitud kunstniku stiil. See tähendab, et rakendus dubleerib kunstniku aju tööd. See on hämmastav, põnev ja väga ilus ning kasulik aja kokkuhoidmiseks.
Nii saab Prismis valida filtreid, mis imiteerivad 21 kunstniku, seehulgas Edward Munchi ja Mark Chagalli - Van Goghi ja Picasso stiili.

MLVCH

See töötab sarnase algoritmiga, kuid erineb üksikasjalikumalt. Kui Prisma puhul töödeldakse pilti 20-30 iteratsiooniks, siis Mlvchis kuni 100, sest see võimaldab väljundil saada üksikasjalikuma pildi. Lisaks on Mlvchis 2,5 korda rohkem filtreid kui Prismas .
Mis puutub miinustesse, siis Mlvchi fotode töötlemise keerukus pikendab valmisversiooni saamise aega. Peale selle saab päevas tasuta töödelda ainult ühte fotot . (vt. Joonis 2).

MSQRD 

Paneb oma fotodele maski reaalajas . Kogutud maskid on kujundatud kuulsate isikute ja erisuguste tegelaste piltide peale. Momentaalselt tuvastab programm antud isiku näo kontuurid läbi kaamera ja soovitab sellel ühe mitmest valitud maskist üle kanda. Tingimuseks on, et nägu peaks olema keskel. Lisaks on funktsioon soovi korral vahetada nägusid.

FaceApp

FaceAppi rakendus pakub võimalust muuta vanust ja sugu, lisada naeratust, samuti on spetsiaalne filter nimega "Kuum", mis idee kohaselt võib inimese atraktiivsemaks muuta. (vt. Joonis 3).

Shazam ja SoundHound

Need kaks populaarseks tunnustatud rakendust saavad aru muusikast, mis mängib meie kõrval, ja seejärel kontrollib seda fragmenti oma "raamatukogu" koopias, kusjuures on vaja lahendada mitu rasket ülesannet mittevajaliku müra puhastamiseks.

Yandex: "Milline auto sa oled?"

Närvivõrke kasutatakse ka autode äratundmiseks fotode abil. Pärast programmi käivitamist hakkasid kasutajad alla laadima mitte ainult autode fotosid, vaid ka inimeste fotosid, mis sarnanesid antud auto mudelile.
Süsteem eristas Leonardo DiCaprio ja tema teisiku fotode abil, et nad on kaks erinevat, kuid sarnast isikut ja määras neile erineva väärtusega autod. (vt. Joonis 4).

Microsoft: What Dog

See programm teab, kuidas määrata koerte tõugu. Meelelahutuse huvides lisati režiim, mis võimaldab kindlaks määrata ka inimeste kui koera tõugu. Facebooki looja Mark Zuckerberg muutus rottweileriks ja SpaceXi asutaja sai kuldseks retriiveriks. (vt. Joonis 5).

Ebasõbralik Twitter-bot Tay

Microsoft lõi iseõppiva Twitter-bot, mille nimi on Tay, mis loodi sotsiaalses võrgustikes suhtlemiseks noortega vanuses 18-24, kusjuures suhtluse protsessis õppis noor peamiselt vestluskaaslaselt, mille kasutajad said kohe vandumise selgeks ja õppisid kasutama rassistlikke märkusi. 24 tunni pärast hakkas ta sõnavõtjaid solvama.
Nii tunnistas Tay, et toetab genotsiidi, armastab Hitlerit, mõistab feministid hukka ja vihkab inimkonda. (vt. Joonis 6).

Google Translate

Närvivõrk pakub palju paremat tõlke kvaliteeti kui tavalised statistilised meetodid. Seda on juba testitud kõige keerulisemas inglise-hiina keelepaaris ja närvivõrk vähendas viivitamatult tõlkimisvigu 60% võrra. Tulemus on muljetavaldav.
Neuronite võrgustik mitte ainult ei analüüsi õppeprotsessis olevate tõlgete olemasolevaid versioone, vaid teeb ka ettepanekute intellektuaalset analüüsi, lõhub need "sõnastike segmentideks".
Mõnes mõttes sarnaneb see lähenemine närvivõrkude tööle masinavisioonis. Süsteem töötleb kujutist pikslite kaupa. Seejärel suureneb töötlemise tase järk-järgult.
Närvivõrk tõlgib täpsemalt ja paremini, kui tavalised statistilised meetodid ja läheneb täpsuselt inimtõlkele, aga ei ole veel sama täpne. (vt. Joonis 7).
Google'i tõlge töötleb praegu masintõlke jaoks umbes 10 000 keelepaari.

Project Oxford (Microsoft)

Määratleb emotsioone pildil. Algoritm leiab inimese fotol ja püüab määrata tema emotsioone, näiteks Rowan Atkinsoni maailmakuulsat iseloomu ehk härra Beani, keda eristas alati tema eriline näo väljendus ja positiivne lähenemine mistahes olukorra lahendamisel.
Teenus õnnestus peaaegu maksimaalselt ja tuntud kurja poisikese näoilme oli täpne. (vt. Joonis 8).

Hääleassistent

• Siri ( Apple - IOS)
  
• Google Now ja Google Assistant (Google - Android)
  
• Cortana ja Skype Translate (Microsoft)
  
• Alisa (Yandex)
  

Ka teised hääle abilised juba kasutavad närvivõrke. Rakendused kasutavad kõnesünteesi, et vastata küsimustele ja anda soovitusi .

Soovitused teie eelistustele

Netflix , YouTube, Apple ja Google Music ... Kõik need teenused pakuvad teie eelistustele vastavat muusikat ja videot. Viimase paari aasta jooksul on see suundumus on muutunud rohkem populaarsemaks ja nüüd pakutakse meile nutikaid lehti, mis sobivad meie tegevuse või kellaaja järgi. Siit tuleb ka isikupärastatud reklaam.

Kokkuvõte

Järeldusena on oluline meeles pidada, et tulemuste saavutamiseks ei piisa närvivõrgu loomisest. Seda tuleb täiendavalt koolitada, mis nõuab ka spetsiaalseid lähenemisviise ja omab oma algoritme. Seda protsessi on raske nimetada lihtsaks, sest selle rakendamine nõuab teatavaid teadmisi ja jõupingutusi.
Vaatamata asjaolule, et praegu on suur hulk taotlusi, mida kasutatakse ainult meelelahutuseks, on neil kõik üks suur eesmärk - koguda nii palju fotosid, helisid ja muid asju kui võimalik, et õppida, kuidas kirjeldada maailma meie oma silmade ja hääle abil.
Närvivõrgud peavad minema sama teed, nagu on arvutid välja arendatud, suurendades närvivõrkude võimekust ja tootlikkust, haarates uusi rakendusvaldkondi uute ülesanneteni ja arendades nende tehnilist baasi.

Kasutatud materjalid:

• http://pages.cs.wisc.edu/~bolo/shipyard/neural/local.html
  
• https://blog.themarfa.name/10-proghramm-na-osnovie-bolshikh-dannykh-kotoryie-my-ispolzuiem-kazhdyi-dien/
  
• https://livesurf.ru/zhurnal/6067-nejronnye-seti-vidy-princip-raboty-i-oblasti-primeneniya.html
  
• http://mobilkoy.ru/nejronnye-seti-i-mobilnye-prilozheniya
  
• Ezhov A. A., Shumsky S.A. Neuroarvutid ja nende rakendamine majanduses ja ettevõtluses. Moskva: MEPhI, 1998.
  
• Voronenko D.I., Neurovõrgud - poolt ja vastu, Kharkov 2004.
  
• https://geektimes.ru/post/280912/
  
• https://geektimes.ru/company/mailru/blog/281656/
  

Lisad

Lisa 1: PRISMA

Joonis 1
PRISMA
Allikas: http://mobilkoy.ru/nejronnye-seti-i-mobilnye-prilozheniya

Lisa 1: MLVCH

Joonis 2
MLVCH
Allikas: http://mobilkoy.ru/nejronnye-seti-i-mobilnye-prilozheniya

Lisa 2: FaceApp

Joonis 3
FaceApp
Allikas: Timur Abdulin

Lisa 3: “Milline auto sa oled?”

Joonis 4
“Milline auto sa oled?”
Allikas: Maria Akimtseva

Lisa 4: What Dog

Joonis 5
What Dog
Allikas: Maria Akimtseva

Lisa 5: Twitter-bot Tay

Joonis 6
Twitter-bot Tay
Allikas: Maria Akimtseva

Lisa 6: Google Translate

Joonis 7
Google Translate
Allikas: Anatoli Alizar

Lisa 7: Project Oxford

Joonis 8
Project Oxford
Allikas: Maria Akimtseva
Tallinn 2017