СодержаниеСодержание
Задание 1. Нейронные сети 3
1.1. Исторический аспект 3
1.2. Свойства искусственных нейронных сетей 6
1.3. Обучение 7
1.4. Обобщение 7
1.5. Абстрагирование 8
1.6. Применимость 8
1.7. Искусственные нейронные сети сегодня 8
1.8. Искусственные нейронные сети и экспертные системы 10
1.9. Перспективы на будущее 11
Задание 2. Табличный процессор MS Excel 11
2.1. Постановка задачи 11
2.2. Создание структуры таблицы и заполнение ее данными 12
2.3. Расчет характеристик 13
2.3.1. Расчет стоимостей каждой партии 13
2.3.2. Расчет суммарных и средних значений цен товаров 13
2.3.3. Подсчет количества партий, отправленных в каждый магазин 13
2.3.4 Подсчет суммарной стоимости товаров для каждой даты 14
2.4. Применение фильтрации 14
2.4.1. Товары, отправленные в магазин «Сириус» 14
2.4.2. Характеристики партии товаров, имеющих минимальную стоимость 15
2.4.3. Товары, отправлены в отделы магазинов «Одежда», цены которых
от 4 до 6 тысяч рублей 15
2.4.4. Товары, отправленные в магазины до 5 мая 2003 г. 16
2.5. Создание сводной таблицы 16
Задание 3. СУБД MS Access 17
3.1. Постановка задачи 17
3.2. Создание структуры таблиц 18
3.3. Установление связи между таблицами 19
3.4. Ввод данных в таблицы 20
3.5. Использование запросов для отбора данных 20
3.5.1. Названия поставленных товаров 20
3.5.2. Названия и марки товаров, поставленных до 10 мая 2003 г.
железнодорожным транспортом 21
3.5.3. Названия и даты поставки товаров ценой более 750 рублей или
количеством от 200 до 300 штук 22
3.5.4. Суммарное количество товаров, полученных от каждого поставщика 23
3.5.5. Названия, адреса и телефоны поставщиков, доставляющих товары
железнодорожным транспортом 24
3.6. Создание отчета 25
3.7. Создание формы 26
Задание 4. Информационно-поисковые системы Интернета 27
Литература 30ВведениеЗадание 1. Нейронные сети
1.1. Исторический аспект
Людей всегда интересовало их собственное мышление. Это самовопрошение, думание мозга о себе самом являет¬ся, возможно, отличительной чертой человека. Имеется множество размышлений о природе мышления, простирающих¬ся от духовных до анатомических.
Обсуждение этого воп¬роса, протекавшее в горячих спорах философов и теологов с физиологами и анатомами, принесло мало пользы, так как сам предмет весьма труден для изучения.
Те, кто опирался на самоанализ и размышление, пришли к выводам, не отвечающим уровню строгости физических наук. Экспе¬риментаторы же нашли, что мозг труден для наблюдения и ставит в тупик своей организацией. Короче говоря, мощ¬ные методы научного исследования, изменившие наш взгляд на физическую реальность, оказались бессильными в пони¬мании самого человека.
Нейробиологи и нейроанатомы достигли значительного прогресса. Усердно изучая структуру и функции нервной системы человека, они многое поняли в «электропроводке» мозга , но мало узнали о его функционировании.
В про¬цессе накопления ими знаний выяснилось, что мозг имеет ошеломляющую сложность. Сотни миллиардов нейронов, каждый из которых соединен с сотнями или тысячами Дру¬гих, образуют систему, далеко превосходящую наши самые смелые мечты о суперкомпьютерах. Тем не менее, мозг постепенно выдает свои секреты в процессе одного из самых напряженных и честолюбивых исследований в истории человечества .
Лучшее понимание функционирования нейрона и карти¬ны его связей позволило исследователям создать матема¬тические модели для проверки своих теорий. Эксперименты теперь могут проводиться на цифровых компьютерах без привлечения человека или животных, что решает многие практические и морально-этические проблемы.
В первых же работах выяснилось, что эти модели не только повторяют функции мозга, но и способны выполнять функции, имеющие свою собственную ценность.
Поэтому возникли и остаются в настоящее время две взаимно обогащающие друг друга цели нейронного моделирования: первая - понять функци¬онирование нервной системы человека на уровне физиоло¬гии и психологии и вторая - создать вычислительные системы (искусственные нейронные сети), выполняющие функции, сходные с функциями мозга.
Параллельно с прогрессом в нейроанатомии и нейро¬физиологии психологами были созданы модели человеческо¬го обучения. Одной из таких моделей, оказавшейся наибо¬лее плодотворной, была модель Д.Хэбба, который в 1949г. предложил закон обучения, явившийся стартовой точкой для алгоритмов обучения искусственных нейронных сетей. Дополненный сегодня множеством других методов он продемонстрировал ученым того времени, как сеть нейронов может обучаться.
В пятидесятые и шестидесятые годы группа исследо¬вателей, объединив эти биологические и физиологические подходы, создала первые искусственные нейронные сети. Выполненные первоначально как электронные сети, они были позднее перенесены в более гибкую среду компьютер¬ного моделирования, сохранившуюся и в настоящее время.
Первые успехи вызвали взрыв активности и оптимизма. Минский, Розенблатт, Уидроу и другие разработали сети, состоящие из одного слоя искусственных нейронов. Часто называемые персептронами, они были использованы для такого широкого класса задач, как предсказание погоды, анализ электрокардиограмм и искусственное зрение.
В течение некоторого времени казалось, что ключ к интел¬лекту найден, и воспроизведение человеческого мозга является лишь вопросом конструирования достаточно боль¬шой сети.
Но эта иллюзия скоро рассеялась. Сети не могли решать задачи, внешне весьма сходные с теми, которые они успешно решали. С этих необъяснимых неудач начался период интенсивного анализа. Минский, используя точные математические методы, строго доказал ряд теорем, отно¬сящихся к функционированию сетей.
В то время однослойные сети теоретически неспособны решить многие простые задачи, в том числе реализовать функцию «Исключающее ИЛИ». Минский также не был оптими¬стичен относительно потенциально возможного здесь прог¬ресса: Персептрон показал себя заслуживающим изучения, несмотря на жесткие ограничения (и даже благодаря им).
У него много привлекательных свойств: линейность, зани¬мательная теорема об обучении, простота модели парал¬лельных вычислений. Нет оснований полагать, что эти достоинства сохраняться при переходе к многослойным системам.
Возможно, будет открыта какая-то мощная теорема о сходимости или найдена глубокая причина неудач дать интересную «теорему обучения» для многослойных машин.
Блеск и строгость аргументации Минского, а также его престиж породили огромное доверие к книге - ее выводы были неуязвимы. Разочарованные исследователи оставили поле исследований ради более обещающих облас¬тей, а правительства перераспределили свои субсидии, и искусственные нейронные сети были забыты почти на два десятилетия.
Тем не менее, несколько наиболее настойчивых уче¬ных, таких как Кохонен, Гроссберг, Андерсон продолжили исследования. Наряду с плохим финансированием и недос¬таточной оценкой ряд исследователей испытывал затрудне¬ния с публикациями.
Поэтому исследования, опубликован¬ные в семидесятые и в начале восьмидесятых годов, разбро¬саны в массе различных журналов, некоторые из которых малоизвестны. Постепенно появился теоретический фунда¬мент, на основе которого сегодня конструируются наибо¬лее мощные многослойные сети. Оценка Минского оказалась излишне пессимистичной, многие из поставленных в его книге задач решаются сейчас сетями с помощью стандарт¬ных процедур.
За последние несколько лет теория стала применять¬ся в прикладных областях, и появились новые корпорации, занимающиеся коммерческим использованием этой техноло¬гии. Нарастание научной активности носило взрывной характер.
Урок, который можно извлечь из этой истории, выра¬жается законом Кларка, выдвинутым писателем и ученым Артуром Кларком. В нем утверждается, что, если крупный уважаемый ученый говорит, что нечто может быть выполнено, то он (или она) почти всегда прав. Если же ученый говорит, что это не может быть выполнено, то он (или она) почти всегда не прав. История науки является лето¬писью ошибок и частичных истин.
То, что сегодня не подвергается сомнениям, завтра отвергается. Некритичес¬кое восприятие «фактов» независимо от их источника может парализовать научный поиск. С одной стороны, блестящая научная работа Минского задержала развитие искусственных нейронных сетей. Нет сомнений, однако, в том, что область пострадала вследствие необоснованного оптимизма и отсутствия достаточной теоретической базы. И возможно, что шок, вызванный книгой «Персептроны», обеспечил необходимый для созревания этой научной обла¬сти период.ЛитератураЛитература
1. д-р Конрад Карлберг Бизнес-анализ с помощью EXCEL. Издано: 2001, М., Издательский дом "Вильямс", 480 стр.
2. Калан Р. Основные концепции нейронных сетей. Издательство «Питер», 2003, 288 с.
3. Курбатова Microsoft Excel 2003. Самоучитель. Диалектика, 2005. – 219 с.
4. Леонтьев В.П. Новейшая энциклопедия персонального компьютера 2003. М.: ОЛМА-ПРЕСС, 2003. - 920 с.: ил.
5. Симонович С.В., Евсеев Г.А., Мураховский В.И. INTERNET: Лаборатория мастера. Практическое руководство по эффективным приемам работы в Интернете. – М.: АСТ-ПРЕСС: Инфорком-Пресс, 2001. – 720 с.
6. Тархов Д.А. Нейронные сети. Модели и алгоритмы. Издательство «Радиотехника», 2005, 256 с.
7. Уокенбах. Excel 2002 Библия пользователя. Диалектика, 2002. – 316 с.
8. Хайкин С. Нейронные сети: полный курс. Издательство «Вильямс», 2005, 1104 с.
9. Харитонова И., Михеева В. Microsoft Access 2000. : БХВ-Петербург, 2001. – 1080 с.: ил.
10. Хэлворсон М., Янг М. Эффективная работа: Office XP. Издательский дом «Питер», 2004. – 1072 с.
|
|
