Искусственные нейронные сети (ИНС). Ограничения при решении задач в прикладных и научных исследованиях

В мире нейронных сетей СНС широко используются для классификации изображений.Затем существует рекуррентная нейронная сеть (РНС), где важна последовательность данных, например, при вербальном общении. Обработка естественного языка - это распространенный метод, используемый в РНС для создания приложений распознавания голоса. Краткосрочная автоматизация с помощью искусственного интеллекта поможет с диктовкой и транскрипцией с помощью виртуальных помощников. Записи врача будут записываться и расшифровываться практически в режиме реального времени[11].Наконец, существует генеративная нейронная сеть (ГНС), которая на самом деле представляет собой две нейронные сети: одна - генератор, создающий поддельные данные, а вторая - дискриминатор, который пытается определить, являются ли данные реальными или поддельными. Процесс противопоставления генератора и дискриминатора друг другу помогает получить лучшие результаты для моделей. В настоящее время ГНС используются для ускорения этапа обнаружения процесса утверждения. Исследователи могут сгенерировать список известных элементов для использования в ГНС, чтобы создать миллионы различных возможностей для комбинаций элементов, которые будут следующими для лечения рака молочной железы, рака предстательной железы или других заболеваний.ИНС стали надежным и полезным инструментом для поиска решений в неструктурированных данных, благодаря их способности понимать нелинейные процессы. В настоящее время решаются различные проблемы, что облегчает лицам, принимающим решения, определение правильного пути продвижения вперед и более уверенные и устойчивые шаги к будущему своего бизнеса[12].ЗАКЛЮЧЕНИЕВданной работе рассмотрена общая характеристика ИНС. Приведены ряд задач, решаемых ИНС. Произведено их сравнение с прикладными исследованиями, а также сравнение ИНС с экспертными системами. Сопоставлены задачи, решаемые ИНС и возможности решения задач методами Datamining.Искусственные нейронные сети собеспечиваемой ими точностью прогнозирования могут быть эффективным инструментом как для оценки, так и для классификационных исследований в сфере образования. Например, как и было рассмотрено в данной работе, в области научных исследований. Искусственные нейронные сети работают лучше, чем аналогичные инструменты статистического анализа, с точки зренияточности прогнозирования. В этом контексте искусственные нейронные сети следует рассматривать как альтернативутрадиционным статистическим моделям, используемым для классификации и прогнозирования.Можно с уверенностью утверждать, что использование искусственных нейронных сетей до сих пор ограничивались очень ограниченным числом образовательных исследований, несмотря на эффективность и точность, которые они обеспечивают исследователям. Будущие исследования могут способствовать тому, чтобы искусственные нейронные сетиприобрели важность и получили широкое применение в образовательных исследованиях.СПИСОК ИСПОЛЬЗОВАННЫХ ИСТОЧНИКОВ1Литература: Аксенов С. В., Новосельцев В. Б. Организация и использование нейронных сетей (методы и технологии) / Под общ. ред. В. Б. Новосельцева. — Томск: Изд-во НТЛ, 2006. — 128 с.2Бэстенс Д.-Э., ван ден Берг В.-М., Вуд Д. Нейронные сети финансовые рынки: принятие решений в торговых операциях. — М.: ТВП, 1997. — 236 с. 3 Заенцев И. В. Нейронные сети: основные модели. — Воронеж, 1999. — 76 с. 4 Каллан Роберт Основные концепции нейронных сетей: Пер. с агл. — М.: Вильямс, 2001. — 287 с. 5 Круглов В. В., Борисов В. В. Искусственные нейронные сети. Теория и практика. — М.: Горячая линия — Телком, 2002. — 382 с. Обучение нейронной сети. [Электронный ресурс]. URL: httр://www.аiроrtаl.ru/аrtiсlеs/nеurаl-nеtwоrks/lеаrning-nеunеt.html 6 Хайкин Саймон Нейронные сети: полный курс: Пер. с англ. — М.: ООО «И. Д. Вильямс», 2006. — 1104 с.7 Цаунит, А. Н. Перспективы развития и применения нейронных сетей / А. Н. Цаунит. — Текст : непосредственный // Молодой ученый. — 2021. — № 23 (365). — С. 114-117. — URL: https://moluch.ru/archive/365/81791/ (дата обращения: 25.11.2022).8 Титов А.С., Долгова Т.Г. Прикладное применение нейронных сетей // Актуальные проблемы авиации и космонавтики. 2013. №9. URL: https://cyberleninka.ru/article/n/prikladnoe-primenenie-neyronnyh-setey (дата обращения: 25.11.2022).9 Шадрин, А. С. Фундаментальные, прикладные исследования и современный научно-технический прогресс / А. С. Шадрин. — Текст : непосредственный // Молодой ученый. — 2016. — № 23 (127). — С. 533-536. — URL: https://moluch.ru/archive/127/35219/ (дата обращения: 26.11.2022).10 The Opportunities and Limitations of Using Articial Neural Networks in Social Science Research 2019/2, vol. 94, pp. 56–80 11 Klyuchko O.M. Application of artificial neural networks method in biotechnology // Biotechnol. acta. 2017. №4. URL: https://cyberleninka.ru/article/n/application-of-artificial-neural-networks-method-in-biotechnology (дата обращения: 26.11.2022).12 Artificial Neural Network (ANN) with Practical Implementation // [Электронныйресурс) URL: https://medium.com/machine-learning-researcher/artificial-neural-network-ann-4481fa33d85a (датаобращения: 26.11.2022).