Аннотация:Существует множество задач, решаемых людьми, которые возможно частично или полностью авто-матизировать. Одним из наиболее перспективных инструментов для этих целей являются искусственные нейронные сети. Нейронные сети представляют собой технологию на стыке множества дисциплин: физи-ки, математики, статистики, компьютерных наук и техники. Они находят применение в широком спектре задач, таких как анализ временных рядов, регрессионный анализ, распознавание паттернов в изображени-ях и т.п. Нельзя не отметить важную особенность нейронных сетей: обучаться на данных как с участием учителя, так и проходить через процесс обучения без учителя. В статье рассматриваются основные терми-ны и базовые принципы функционирования искусственных нейронных сетей. Приводится математическая модель работы искусственного нейрона. Описываются основные составляющие элементы искусственного нейрона, такие как синапсы, входы, аксоны и т.п. Обобщаются некоторые тонкости в оптимизационных процессах, а также приводятся основные виды активационных функций. Приводятся примеры программ-ных реализаций нейронных сетей, рассматриваются конкретные прикладные кейсы, отмечаются их силь-ные стороны, а также некоторые ограничения. С учетом ограничений приводится альтернативная техно-логия: аппаратные реализации искусственных нейронных сетей. Приводится краткая характеристика при-менения нейронных сетей в мире, рассматривается классификация аппаратных реализаций. В каждом классе выделяются особенности использования таких технологий, включая сильные и слабые стороны. Поднимается вопрос об актуальности проблемы поиска элементной базы для построения аппаратных ре-шений в области искусственных нейронных сетей, приводятся аргументы в пользу развития аппаратных решений. Показано, что необходимо дальнейшее развитие элементной базы для построения искусствен-ных нейронных сетей.
