оглавление
Введение 4
Глава 1. Психодиагностика и нейронные сети . 13
1.1 Задачи и методы современной психодиагностики . 13
1.2 Сущность интуитивного метода . 16
1.3 Математические модели и алгоритмы психодиагностики . 17
1.4 перспективные алгоритмы построения психодиагностических методик 23
1.5 методы восстановления зависимостей 25
1.6 алгоритмы и методы безусловной оптимизации . 29
1.7 нейронные сети . 36
1.7.1 Основные элементы 36
1.7.2 Структура сети 37
1.7.3 Прямое функционирование сети 37
1.7.4 Обучение сети . 38
1.7.5 Обратное функционирование . 39
Выводы главы 1 40
Глава 2. Решение нейросетями классических задач психодиагностики 41
2.1 Классический эксперимент . 41
2.2 Оценка значимости вопросов теста 44
2.3 Контрастирование сети по значимости вопросов теста 46
2.4 Результаты экспериментов с контрастированными сетями . 47
Выводы главы 2 48
Глава 3. Интуитивное предсказание нейросетями взаимоотношений 50
3.1 Проблема оценки взаимоотношений 50
3.2 Общая задача экспериментов 50
3.3 Применяемые в экспериментах психологические методики 51
3.4 Эксперименты по предсказанию группового статуса 53
3.5 Нейросетевое исследование структуры опросника 60
3.6 Оценка оптимизации задачника нейросетью с позиций теории информации 67
3.7 Эксперименты по предсказанию парных взаимоотношений . 68
Выводы главы 3 69
Глава 4. Полутораслойный предиктор с произвольными преобразователями 71
4.1 Постановка проблемы . 71
4.2 Аналитическое решение 72
4.3 Запись решения в идеологии нейросетей . 74
4.4 Алгоритмическая часть . 76
4.5 Оценка информационной емкости нейронной сети при помощи выборочной константы Липшица . 82
4.6 Соглашение о терминологии . 84
4.7 Компоненты сети 85
4.8 Общий элемент сети 85
4.9 Вход сети . 87
4.10 Выход сети . 87
4.11 Синапс сети . 88
4.12 Тривиальный сумматор . 89
4.13 Нейрон . 89
4.14 Поток сети . 91
4.15 Скомпонованная полутораслойная поточная сеть . 92
Выводы по главе 4 94
ВЫВОДЫ 95
ЛИТЕРАТУРА 98
Программа-имитатор полутораслойной сети . 107
Программа расчета социометрических показателей 115
Психологический опросник А.Г. Копытова . 119
Введение
С самого начала информационной эры идеи воспроизведения в работе вычислительных машин принципов функционирования мозга занимают умы ученых. Известно, например, что Винер и Розенблатт совместно работали над изучением биологических нейронов, и что из этих работ родилась идея обучения автоматов Винера и теория обучения сетей перцептронов Розенблатта.
Идея применения искусственных нейронных сетей в современной вычислительной технике заняла прочное место в умах ее разработчиков. Нейронные сети применяются для решения задач искусственного интеллекта, в системах технических органов чувств и управления производственными процессами. Адаптивные сетчатки Хопфилда применяются для создания устойчивых к помехам систем связи. В стадии опытно-конструкторских разработок (например, в лабораториях фирмы Siemens) находятся образцы аппаратных нейрокомпьютеров массового применения – нейросопроцессоров к персональным компьютерам.
Нейрокомпьютеры находят применение во многих отраслях современной науки – ядерной физике, геологии, метеорологии. Исследование искусственных нейронных сетей составляют значительные разделы в таких науках, как биофизика, вычислительная математика, электроника.
Привлекательным было бы и применение искусственных нейронных сетей к наукам о человеке. Однако здесь возникает следующая проблема: их теория не сформировалась пока в достаточной степени для того, чтобы описать процессы, происходящие в системах, в виде явных и пригодных для моделирования на современной вычислительной технике алгоритмов. Выражается это в частности в том, что диагностический аппарат психологии и медицины в существенной части основан на подходах, связанных с изучением и систематизацией прецедентов. Моделирование же биофизических процессов затруднено огромной сложностью систем – так, при работе с психологическими задачами функционирование системы, состоящей из количества элементов порядка 109 (человеческого мозга) недоступно для моделирования на вычислительной машине любой мыслимой сегодня мощности.


