Технологии интеллектуального анализа данных : учебное пособие

181 БД путем извлечения скрытых закономерностей, или образов, ко- торым подчиняются хранимые данные. Классические статистические методы, хорошо подходящие для обработки числовой информации, не могут быть эффективно использованы, когда обрабатываемая информация является разно- типной, качественной, нечеткой с выраженным субъективным ха- рактером либо неполной и неточной. Формальные подходы к ре- шению многих практических задач часто отсутствуют. При их ре- шении человек руководствуется своими интуитивными и эвристи- ческими соображениями, которые не могут быть формализованы в рамках классических методов. Для решения задач интеллектуального анализа данных в ука- занных условиях большое распространение получили такие методы Data Mining, как нейросетевые модели и нечеткие системы. 3.6. Нейросетевые методы анализа данных Под нейронными сетями (НС) понимают распределенные и параллельные вычислительные структуры, моделирующие простые биологические процессы, ассоциируемые с человеческим мозгом и способные к адаптивному обучению путем анализа положительных и отрицательных воздействий. Структурным элементом обработки информации в нейронной сети является особая клетка – нейрон, которая состоит из тела и отростков нервных волокон двух типов – дендритов, принимающих входные импульсы, и единственного ак- сона, способного передавать импульс другим нейронам. На окон- чаниях дендритов расположены функциональные узлы – синапсы, влияющие на величины передаваемых импульсов. Результатив- ность передачи импульса синапсом может настраиваться в зависи- мости от активности процессов, в которых участвует синапс. Таким способом происходит их обучение.