Применение нейронных сетей
Первые работы в области исследования искусственных нейронных сетей относятся к середине прошлого века. В то время были разработаны основы теории, однако долгое время до 80-х годов XX века не было эффективных алгоритмов обучения многослойных нейронных сетей, что негативно влияло на интерес исследователей к этому направлению.
С появлением алгоритмов обучения многослойных нейронных сетей и широким распространением компьютерной техники в 80-х годах XX века стали активно вестись работы по исследованию и разработке нейросетевых алгоритмов. Первые успешные решения на базе использования искусственных нейронных сетей были внедрения за рубежом. В России интерес к нейросетевым алгоритмам появился в конце 90-х годов, когда уровень развития вычислительной техники и квалификация специалистов позволили проводить соответствующие исследования. В это время было предложено большое количество оригинальных идей в области распознавания объектов и сигналов, анализа данных, прогнозирования. Однако компьютерная техника того времени не позволяла решать задачи большой размерности.
Широкое развитие элементной базы в начале века позволило использовать нейронные сети большой размерности, работа и обучение которых обеспечивалось на аппаратном уровне нейроускорителями с использованием векторных процессоров, параллельных вычислений и т.п. Интерес к применению нейронных сетей в радиотехнических устройствах возник с появлением элементной базы с высокой вычислительной производительностью. В частности, использование программируемых логических интегральных схем (ПЛИС) позволило реализовать параллельные вычислительные процессы на высоких тактовых частотах.
Использование нейронных сетей в радиотехнических задачах обработки сигналов открывает большие возможности для разработчиков компьютерной техники. В настоящее время аппаратное обеспечение позволяет использовать нейронные сети для решения задач распознавания, идентификации, управления и ряда других, при этом скорость работы достигает величин, позволяющих устройствам функционировать в реальном времени.
