Выборнова Анастасия Игоревна
Лекция 1
- Главная
- Разное
- Дизайн
- Бизнес и предпринимательство
- Аналитика
- Образование
- Развлечения
- Красота и здоровье
- Финансы
- Государство
- Путешествия
- Спорт
- Недвижимость
- Армия
- Графика
- Культурология
- Еда и кулинария
- Лингвистика
- Английский язык
- Астрономия
- Алгебра
- Биология
- География
- Детские презентации
- Информатика
- История
- Литература
- Маркетинг
- Математика
- Медицина
- Менеджмент
- Музыка
- МХК
- Немецкий язык
- ОБЖ
- Обществознание
- Окружающий мир
- Педагогика
- Русский язык
- Технология
- Физика
- Философия
- Химия
- Шаблоны, картинки для презентаций
- Экология
- Экономика
- Юриспруденция
Физические основы нейронных сетей и сенсорных систем презентация
Содержание
- 1. Физические основы нейронных сетей и сенсорных систем
- 2. План занятия Сенсорные системы и сети: определение;
- 3. Зачем это вообще? Цель курса — познакомить
- 4. Зачем это вообще? Карл Маркс и Фридрих
- 5. План занятия Сенсорные системы и сети: определение;
- 6. Сенсоры Преобразователь физической величины — устройство, предназначенное
- 7. Сенсоры Датчик — средство измерений, предназначенное для
- 8. Сенсоры Окружающий мир
- 9. Сенсоры Виды датчиков (классификация неполная): температуры; давления;
- 10. Сенсорные системы и сети А что если
- 11. Сенсорные системы и сети Несколько различных датчиков, объединенных в систему — смартфон.
- 12. Сенсорные системы и сети Несколько различных датчиков,
- 13. Сенсорные системы и сети Географически распределенная система
- 14. Сенсорные системы и сети ITU-T Y.2221: Сенсорный
- 15. Сенсорные системы и сети
- 16. Сенсорные системы и сети ITU-T Y.2221: Сенсорная
- 17. Сенсорные системы и сети
- 18. Сенсорные системы и сети
- 19. План занятия Сенсорные системы и сети: определение;
- 20. Сенсорные системы и сети Мониторинг параметров окружающей
- 21. Сенсорные системы и сети Мониторинг температуры, освещенности,
- 22. Сенсорные системы и сети Мониторинг состояния здоровья человека (в больнице, дома, на поле боя).
- 23. Сенсорные системы и сети «Умный дом» —
- 24. О чем будут лекции? Примерные темы последующих
- 25. План занятия Сенсорные системы и сети: определение;
- 26. Искусственные нейронные сети Искусственные нейронные сети —
- 27. Биологические нейронные сети Нервная система человека построена
- 28. Биологические нейронные сети Объединенные аксонами нейроны образуют
- 29. А как бы нам это использовать? Человеческий
- 30. А как бы нам это использовать? Применение
- 31. Искусственные нейронные сети На основе данных принципов строятся искусственные нейронные сети:
- 32. Искусственные нейронные сети Характеристики ИНС: Несколько слоев
- 33. Искусственные нейронные сети Как найти коэффициенты связей
- 34. Искусственные нейронные сети Как найти коэффициенты связей
- 35. Искусственные нейронные сети Как найти коэффициенты связей
- 36. Искусственные нейронные сети Обучение нейронной сети: Начальные
- 37. Искусственные нейронные сети Метод обратного распространения ошибки — один из методов подбора весов:
- 38. План занятия Сенсорные системы и сети: определение;
- 39. Применение ИНС Deep Dream от Google:
- 40. Применение ИНС Deep Dream от Google:
- 41. Применение ИНС
- 42. Серьезные применения ИНС Применение искусственных нейронных сетей:
- 43. О чем будут лекции? Примерные темы последующих
План занятия Сенсорные системы и сети: определение; примеры применения. Искусственные нейронные сети: определение; примеры применения.
Слайд 1ФИЗИЧЕСКИЕ ОСНОВЫ
НЕЙРОННЫХ СЕТЕЙ И СЕНСОРНЫХ СИСТЕМ
Санкт-Петербургский государственный университет телекоммуникаций
им. проф.
М.А. Бонч-Бруевича
Слайд 2План занятия
Сенсорные системы и сети:
определение;
примеры применения.
Искусственные нейронные сети:
определение;
примеры применения.
Слайд 3Зачем это вообще?
Цель курса — познакомить вас с двумя группами актуальных
и востребованных технологий:
В любом современном высокотехнологичном продукте или сервисе используются либо сенсорные системы и сети, либо искусственные нейронные сети, либо и то, и другое.
В любом современном высокотехнологичном продукте или сервисе используются либо сенсорные системы и сети, либо искусственные нейронные сети, либо и то, и другое.
Слайд 4Зачем это вообще?
Карл Маркс и Фридрих Энгельс — это не муж
и жена, а четыре совершенно разных человека.
Сенсорные системы и искусственные нейронные сети — это разные группы технологий, поэтому и курс будет делиться на две равные и мало связанные друг с другом части:
1. Сенсорные системы и сети.
2. Искусственные нейронные сети.
Сенсорные системы и искусственные нейронные сети — это разные группы технологий, поэтому и курс будет делиться на две равные и мало связанные друг с другом части:
1. Сенсорные системы и сети.
2. Искусственные нейронные сети.
Слайд 5План занятия
Сенсорные системы и сети:
определение;
примеры применения.
Искусственные нейронные сети:
определение;
примеры применения.
Слайд 6Сенсоры
Преобразователь физической величины — устройство, предназначенное для восприятия и преобразования контролируемой
физической величины в выходной сигнал (ГОСТ Р 51086-97).
Первичный измерительный преобразователь (sensor) — устройство, используемое при измерении,
которое обеспечивает на выходе величину, находящуюся в определенном соотношении с входной величиной,
и на которое непосредственно воздействует явление, физический объект или вещество, являющееся носителем величины, подлежащей измерению (ГОСТ Р 8.673-2009).
Первичный измерительный преобразователь (sensor) — устройство, используемое при измерении,
которое обеспечивает на выходе величину, находящуюся в определенном соотношении с входной величиной,
и на которое непосредственно воздействует явление, физический объект или вещество, являющееся носителем величины, подлежащей измерению (ГОСТ Р 8.673-2009).
Слайд 7Сенсоры
Датчик — средство измерений, предназначенное для выработки сигнала измерительной информации в
форме, удобной для передачи, дальнейшего преобразования, обработки и (или) хранения, но не поддающейся непосредственному восприятию наблюдателем (ГОСТ Р 51086-97).
Датчик — конструктивно обособленное устройство, содержащее один или несколько первичных измерительных преобразователей (ГОСТ Р 8.673-2009).
Слово «сенсор» в настоящий момент в русском языке используется как синоним слова «датчик».
Датчик — конструктивно обособленное устройство, содержащее один или несколько первичных измерительных преобразователей (ГОСТ Р 8.673-2009).
Слово «сенсор» в настоящий момент в русском языке используется как синоним слова «датчик».
Слайд 9Сенсоры
Виды датчиков (классификация неполная):
температуры;
давления;
влажности;
радиоактивности;
вибрации;
ускорения (акселерометр);
положения (на основе гироскопа);
и другие.
Слайд 10Сенсорные системы и сети
А что если взять и объединить множество датчиков?
В
современном мире чаще используются не единичные датчики, а их совокупности:
Несколько различных датчиков, объединенных в систему.
Географически распределенная система из большого количества датчиков 1-2 типов.
Несколько различных датчиков, объединенных в систему.
Географически распределенная система из большого количества датчиков 1-2 типов.
Слайд 12Сенсорные системы и сети
Несколько различных датчиков, объединенных в систему — смартфон.
«датчик
прикосновения» — сенсорный экран;
микрофон;
«датчик» GPS;
сканер отпечатка пальца;
датчик освещенности;
датчик приближения;
акселерометр и/или гироскоп;
магнитометр (компас);
камера (слежение за взглядом).
микрофон;
«датчик» GPS;
сканер отпечатка пальца;
датчик освещенности;
датчик приближения;
акселерометр и/или гироскоп;
магнитометр (компас);
камера (слежение за взглядом).
Слайд 13Сенсорные системы и сети
Географически распределенная система из большого количества датчиков —
беспроводные (всепроникающие) сенсорные сети.
«умный дом»;
системы контроля промышленных объектов;
контроль автотрафика;
контроль проникновения на территорию;
контроль экологических параметров;
ресурсосбережение.
«умный дом»;
системы контроля промышленных объектов;
контроль автотрафика;
контроль проникновения на территорию;
контроль экологических параметров;
ресурсосбережение.
Слайд 14Сенсорные системы и сети
ITU-T Y.2221:
Сенсорный узел — устройство, состоящее из датчика
(и опционально — актора) и оборудования для обработки и передачи информации:
Слайд 16Сенсорные системы и сети
ITU-T Y.2221:
Сенсорная сеть — сеть, включающая в себя
связанные друг с другом по проводным или беспроводным каналам сенсорные узлы, осуществляющие пересылку данных друг другу.
Беспроводная сенсорная сеть
Всепроникающая сенсорная сеть (Ubiquitous sensor network, USN) — концептуальная интеллектуальная сеть, построенная поверх существующих сетей связи и предоставляющая данные от множества сенсоров в любое время, в любом месте и любому потребителю.
Беспроводная сенсорная сеть
Всепроникающая сенсорная сеть (Ubiquitous sensor network, USN) — концептуальная интеллектуальная сеть, построенная поверх существующих сетей связи и предоставляющая данные от множества сенсоров в любое время, в любом месте и любому потребителю.
Слайд 19План занятия
Сенсорные системы и сети:
определение;
примеры применения.
Искусственные нейронные сети:
определение;
примеры применения.
Слайд 20Сенсорные системы и сети
Мониторинг параметров окружающей среды (температура, вибрации, содержание вредных
веществ в атмосфере) на различных индустриальных объектах.
Слайд 21Сенсорные системы и сети
Мониторинг температуры, освещенности, силы и направления ветра, влажности
воздуха и почвы в сельском хозяйстве.
Слайд 22Сенсорные системы и сети
Мониторинг состояния здоровья человека (в больнице, дома, на
поле боя).
Слайд 23Сенсорные системы и сети
«Умный дом» — следующий шаг в развитии USN,
сочетание в одной системе сенсоров и акторов
Слайд 24О чем будут лекции?
Примерные темы последующих лекций, практических и лабораторных работ:
(?)
История развития сенсорных систем.
Физические принципы, лежащие в основе различных датчиков. Критерии выбора датчиков для решения практических задач.
Принципы работы протоколов беспроводной передачи данных для сенсорных сетей (физический и канальный уровень). Критерии выбора протоколов для решения практических задач.
(?) Обзор существующих технологий и платформ для создания сенсорных систем.
Интернет вещей — обзор приложений.
Физические принципы, лежащие в основе различных датчиков. Критерии выбора датчиков для решения практических задач.
Принципы работы протоколов беспроводной передачи данных для сенсорных сетей (физический и канальный уровень). Критерии выбора протоколов для решения практических задач.
(?) Обзор существующих технологий и платформ для создания сенсорных систем.
Интернет вещей — обзор приложений.
Слайд 25План занятия
Сенсорные системы и сети:
определение;
примеры применения.
Искусственные нейронные сети:
определение;
примеры применения.
Слайд 26Искусственные нейронные сети
Искусственные нейронные сети — математические модели, а также их
программные или аппаратные реализации, построенные по принципу организации и функционирования биологических нейронных сетей.
Биологическая нейронная сеть — совокупность нейронов, которые связаны или функционально объединены в нервной системе, выполняют специфические физиологические функции.
Биологическая нейронная сеть — совокупность нейронов, которые связаны или функционально объединены в нервной системе, выполняют специфические физиологические функции.
Слайд 27Биологические нейронные сети
Нервная система человека построена из нейронов — клеток, способных
(помимо прочего) принимать, обрабатывать и передавать электрохимические импульсы
Слайд 28Биологические нейронные сети
Объединенные аксонами нейроны образуют в мозге человека сложную сеть.
Каждая
связь между нейронами имеет свой вес — силу синаптической связи.
Синапсы имеют «знак» — они могут быть возбуждающими или тормозящими.
Каждый нейрон имеет «проговое значение» срабатывания — величину электрохимического воздействия на него, после которого он также передаст электрохимический импульс.
Синапсы имеют «знак» — они могут быть возбуждающими или тормозящими.
Каждый нейрон имеет «проговое значение» срабатывания — величину электрохимического воздействия на него, после которого он также передаст электрохимический импульс.
Слайд 29А как бы нам это использовать?
Человеческий мозг справлялся лучше компьютеров с
большим числом задач. Но:
Ограниченные вычислительные возможности человеческого мозга.
Ограниченное число людей.
Когнитивные искажения.
Искусственные нейронные сети — попытка избавиться от этих недостатков при решении ряда задач.
Ограниченные вычислительные возможности человеческого мозга.
Ограниченное число людей.
Когнитивные искажения.
Искусственные нейронные сети — попытка избавиться от этих недостатков при решении ряда задач.
Слайд 30А как бы нам это использовать?
Применение искусственных нейронных сетей:
Распознавание графических образов,
речи.
Классификация графических образов и др.
Принятие решений и прогнозирование.
Классификация графических образов и др.
Принятие решений и прогнозирование.
Слайд 31Искусственные нейронные сети
На основе данных принципов строятся искусственные нейронные сети:
Слайд 32Искусственные нейронные сети
Характеристики ИНС:
Несколько слоев сети (внешние и скрытые).
Коэффициенты каждой связи.
В
каждом узле — пороговая функция:
Слайд 33Искусственные нейронные сети
Как найти коэффициенты связей и параметры пороговой функции?
Биологические нейронные
сети:
Слайд 34Искусственные нейронные сети
Как найти коэффициенты связей и параметры пороговой функции?
Биологические нейронные
сети:
Обучение.
Искусственные нейронные сети:
Обучение.
Искусственные нейронные сети:
Слайд 35Искусственные нейронные сети
Как найти коэффициенты связей и параметры пороговой функции?
Биологические нейронные
сети:
Обучение.
Искусственные нейронные сети:
Тоже обучение!
Обучение.
Искусственные нейронные сети:
Тоже обучение!
Слайд 36Искусственные нейронные сети
Обучение нейронной сети:
Начальные параметры выбираются на основе экспертного мнения
или случайно.
Существует набор данных для обучения (исходные данные, «правильный» ответ на вопрос для которых известен).
Обучающий набор данных пропускается через ИНС, вычисляется разница между известными ответами и значениями на выходе ИНС (обычно сумма квадратов).
Коэффициенты ИНС изменяются, пока не будут найдены такие коэффициенты, при которых ошибка минимальна (идеально — равна нулю, на практике — стабильна при изменении набора обучающих данных).
Существует набор данных для обучения (исходные данные, «правильный» ответ на вопрос для которых известен).
Обучающий набор данных пропускается через ИНС, вычисляется разница между известными ответами и значениями на выходе ИНС (обычно сумма квадратов).
Коэффициенты ИНС изменяются, пока не будут найдены такие коэффициенты, при которых ошибка минимальна (идеально — равна нулю, на практике — стабильна при изменении набора обучающих данных).
Слайд 37Искусственные нейронные сети
Метод обратного распространения ошибки — один из методов подбора
весов:
Слайд 38План занятия
Сенсорные системы и сети:
определение;
примеры применения.
Искусственные нейронные сети:
определение;
примеры применения.
Слайд 42Серьезные применения ИНС
Применение искусственных нейронных сетей:
Распознавание графических образов, речи.
Классификация графических образов
и др.
Принятие решений и прогнозирование.
Принятие решений и прогнозирование.
Слайд 43О чем будут лекции?
Примерные темы последующих лекций, практических и лабораторных работ:
(?)Основы
работы биологических нейронных сетей
Классификация и топологии ИНС. Критерии выбора топологии ИНС для решения практических задач.
Методы обучения ИНС. Критерии выбора метода обучения для решения практических задач.
(?) Обзор существующих платформ для создания ИНС.
Обзор способов применения ИНС
Классификация и топологии ИНС. Критерии выбора топологии ИНС для решения практических задач.
Методы обучения ИНС. Критерии выбора метода обучения для решения практических задач.
(?) Обзор существующих платформ для создания ИНС.
Обзор способов применения ИНС
