Юный техник 2001-12, страница 34

с ему соответствующим кодом. Проблема же в том, что сложно четко и однозначно «объяснить» компьютеру, чем похожи и чем отличаются распознаваемые объекты. Например, буква «А» может быть напечатана разными шрифтами или небрежно написана от руки, качество печати принтера или в типографии может быть не очень высоким. Сами мы прекрасно опознаем эти изображения. Но объяснить, как это происходит, мы не в состоянии.

Впрочем, задача распознавания гораздо шире, чем умение читать. Детали, проезжающие на конвейере перед телекамерой, среди которых надо обнаружить бракованные; полустертые отпечатки пальцев, обнаруженные следователем на месте преступления, голос поеступника в записи телефонного разговора — это тоже образы. Остается прежней и суть задачи: умение правильно определять, в какому классу из числа уже известных относится тот или иной образ.

Аналогичны по своей неформализуемости и задачи предсказания будущего на основе прошлого опыта. Причем они вовсе не сводятся к гаданиям на картах или на кофейной гуще: ведь прогноз погоды или состояние экономики — это тоже предсказание будущего... Как же решать подобные задачи?

В конце 50-х годов XX века американскии ученый Ф.Ро-зенблаг создал перцептрон — устройство для распознавания образов. В его основе было заложено подражание живои природе — это была простейшая модель глаза. У первого такого перцептрона «сетчатка глаза» состояла из ста фотоэлементов — аналогов зрительных клеток. К ним были подключены «нейроны» — усилители с изменяемыми коэфоициентами усиления на входах. Причем входы каждого «нейрона» соединялись с фотоэлементами случайным образом, в том числе несколько Фотоэлементов могли быть подключены к одному усилителю или же, наоборот, один фотоэлемент подключался к нескольким усилителям. Да и все изначальные коэффициенты усиления выбирались совершенно случайно. Каждый «нейрон» в устройстве Розенблата суммировал поданные на него сигналы с учетом их усиления, а затем полученные ре

1 2