18
2.4. Ogólne właściwości sieci neuronowych
i dużą skuteczność.
6. Optymalizacja. Sieci neuronowe (zwia&cza.lzw. sieci Hopfielda) doskonale nadają się do poszukiwania rozwiązań prowadzących do optymalnych decyzji gospodarczych. Wykazano doświadczalnie możliwość wykorzystania sieci do rozwiązywania szeregu zadań w zakresie optymalizacji statycznej i dynamicznej, a szczególnie ciekawe są doświadczenia uzyskane podczas korzystania z sieci neurouowych przy rozwiązywaniu zagadnień optymalizacji kombinatorycznej, bardzo trudnych obliczeniowo (czasem np-zupelnych), które z wykorzystaniem sieci mogą być rozwiązywane w krótkim czasie dzięki współbieżnym obliczeniom wykonywanym przez wiele pracujących równocześnie elementów sieci. W jednym z dalszych rozdziałów prezentowana będzie sieć rozwiązująca jedno z klasycznych zadań tego typu — tak zwany problem komiwojażera.
Na tym zastosowania sieci bynajmniej się nie kończą. Sieci neuronowe, same będąc modelami (dalekimi od doskonałości!) naturalnych fragmentów systemu nerwowego człowieka, używane są często jako narzędzie do modelowania innych systemów i zjawisk. Stosunkowo popularne jest na przykład wykorzystanie sieci do tworzenia modeli pewnych zjawisk przestrzennych, jako tak zwanych samoorganizujących się odwzorowań [Koho7<5]. Rozważane są również systemy podejmowania decyzji i wspomagające wnioskowanie oparte na technice sieci neuronowych na przykład w sieciach energetycznych albo w zarządzaniu liniami metra. Dla tych systemów zaczynają się. także pojawiać zastosowania komercyjne głównie w USA i Japonii.
Jak podaje magazyn By te [August 11)92] w 1992 roku w USA zakupiono ponad 30.000 pakietów oprogramowania do badań sieci neuronowych. To samo źródło podaje, że w USA działało w 1992 roku ponad 500 firm zajmujących się produkcją sprzętu i oprogramowania dotyczącego sieci neuronowych. Ponieważ w zakresie badań i zastosowań sieci neuronowych utrzymuje się tendencja zwyżkowa — można śmiało przypuszczać, że obecnie firm tworzących neurokomputery, elementy do nich lub oprogramowanie jest ponad pól tysiąca.
Dziedzina ta dostępna jest także dla amatorów, ria przykład w USA od kilku lat sprzedawana jest książka [McOI87] zawierająca dyskietkę z programami pozwalającymi na amatorskie modelowanie sieci neuronowych. Zainteresowanie tą książką i związanymi z nią programami stale rośnie.
Ogromna popularność sieci neuronowych i rosnąca fala ich zastosowań mają swoje konkret ne przyczyny. Są one związane z pewnymi właściwościami tych sieci, które warto tutaj skrótowo zestawić i podsumować.
Sieci neuronowe można dzielić według różnych kryteriów. Jednym z ważniejszych jest podział na sieci z jednokierunkowymi połączeniami (nazywanymi często fecdforward) i sieci ze sprzężeniami zwrotnymi (wiązane często z nazwiskiem Hopfielda). Dynamika sieci ze sprzężeniem zwrotnym dyskutowana jest między innymi w pracy [Hopf82], ale temat ten występuje bardzo często w różnych opracowaniach. W omawianych tu zastosowaniach zagadnienie charakterystyk sieci nie będzie szczegółowo podnoszone, jakkolwiek generalnie można stwierdzić, że sieci ze sprzężeniem zwrotnym chętniej są stosowane w pracach badawczych niż w praktyce.