Где в интернете можно почитать про нейронную сеть

Искусственная нейронная сеть (ИНС) — это математическая модель, представляющая собой систему соединённых и взаимодействующих между собой нейронов. Рассмотрим строение биологического нейрона. Каждый нейрон имеет отростки нервных волокон двух типов - дендриты, по которым принимаются импульсы, и единственный аксон, по которому нейрон может передавать импульс. Аксон контактирует с дендритами других нейронов через специальные образования - синапсы, которые влияют на силу импульса.

Можно считать, что при прохождении синапса сила импульса меняется в определенное число раз, которое мы будем называть весом синапса. Импульсы, поступившие к нейрону одновременно по нескольким дендритам, суммируются. Если суммарный импульс превышает некоторый порог, нейрон возбуждается, формирует собственный импульс и передает его далее по аксону. Важно отметить, что веса синапсов могут изменяться со временем, а значит, меняется и поведение соответствующего нейрона.

ИНС успешно используется в следующих областях:
• Распознавание символов текста и других объектов.
• Распознавание речи.
• Управление движением транспортного средства и т. д..
• Классификация ситуаций.
• Кластеризация (категоризация) — классификация без «учителя».
• Прогнозирование.
• Аппроксимация.
• Принятие решений.

Нейронные сети не программируются в привычном смысле этого слова, они обучаются. Возможность обучения — одно из главных преимуществ нейронных сетей перед традиционными алгоритмами. Технически обучение заключается в нахождении коэффициентов связей между нейронами.

Разработчикам решения на основе нейронной сети требуется:
1. выбрать соответствующую модель сети, определить топологию сети (число элементов и их связи);
2. указать параметры обучения.

На первом этапе следует выбрать следующее:
- какие нейроны мы хотим использовать (число входов, передаточные функции);
- каким образом следует соединить их между собой;
- что взять в качестве входов и выходов нейронной сети.
Наиболее популярные и изученные архитектуры - это многослойный перцептрон, нейронная сеть с общей регрессией, нейронные сети Кохонена, сеть Ворда, сеть Хопфильда и другие.

На втором этапе нам следует "обучить" выбранную нейронную сеть, то есть подобрать такие значения ее весов, чтобы она работала нужным образом. Необученная нейронная сеть подобна ребенку - ее можно научить чему угодно. В используемых на практике нейронных сетях количество весов может составлять несколько десятков тысяч, поэтому обучение - действительно сложный процесс. Для многих архитектур разработаны специальные алгоритмы обучения, которые позволяют настроить веса нейронной сети определенным образом. Наиболее популярный из этих алгоритмов - метод обратного распространения ошибки (Error Back Propagation), используемый, например, для обучения перцептрона.

Бесплатные пакеты для создания нейронных сетей
Fann (С++) с возможностью работы на разных языках через веб сервисы.
NeuralBase (Delphi)

Дополнения
Wikipedia.org - каталог терминов и некоторых алгоритмов построения нейросети.
Статья о мифах и реальностях использования нейросетей для анализа движения цен.
Материалы лекций школ-семинаров по нейроинформатике.
Лекции по машинному обучению и нейронным сетям.

Форумы
Neuroproject.ru
Basegroup.ru

Источники
Wikipedia.org
Neuroproject.ru