Студопедия

КАТЕГОРИИ:


Архитектура-(3434)Астрономия-(809)Биология-(7483)Биотехнологии-(1457)Военное дело-(14632)Высокие технологии-(1363)География-(913)Геология-(1438)Государство-(451)Демография-(1065)Дом-(47672)Журналистика и СМИ-(912)Изобретательство-(14524)Иностранные языки-(4268)Информатика-(17799)Искусство-(1338)История-(13644)Компьютеры-(11121)Косметика-(55)Кулинария-(373)Культура-(8427)Лингвистика-(374)Литература-(1642)Маркетинг-(23702)Математика-(16968)Машиностроение-(1700)Медицина-(12668)Менеджмент-(24684)Механика-(15423)Науковедение-(506)Образование-(11852)Охрана труда-(3308)Педагогика-(5571)Полиграфия-(1312)Политика-(7869)Право-(5454)Приборостроение-(1369)Программирование-(2801)Производство-(97182)Промышленность-(8706)Психология-(18388)Религия-(3217)Связь-(10668)Сельское хозяйство-(299)Социология-(6455)Спорт-(42831)Строительство-(4793)Торговля-(5050)Транспорт-(2929)Туризм-(1568)Физика-(3942)Философия-(17015)Финансы-(26596)Химия-(22929)Экология-(12095)Экономика-(9961)Электроника-(8441)Электротехника-(4623)Энергетика-(12629)Юриспруденция-(1492)Ядерная техника-(1748)

Вопрос 23. Нейросети. Основы

Нейросеть состоит из входного слоя, одного или нескольких скрытых слоев и выходного слоя. Один из параметров, используемых для обучения – ошибка сети. В прямом направлении идут функциональные сигналы, обратно идут сигналы об ошибке.

При разработке нейронной сети надо определить модель, определить топологию сети, в том числе количество входных и выходных сетей, а так же количество нейронов во внутреннем слое. Выбрать шаг.

Нейронные сети (НС) – это раздел искусственного интеллекта, в котором для обработки сигналов используются явления, аналогичные происходящим в нейронах живых существ. Важнейшая особенность сети, свидетельствующая о ее широких возможностях и огромном потенциале, состоит в параллельной обработке информации всеми звеньями сети. При громадном количестве межнейронных связей это позволяет значительно ускорить процесс обработки информации.

Другое не менее важное свойство – способность к обучению и обобщению накопленных знаний. Нейронная сеть обладает чертами искусственного интеллекта. Натренированная на ограниченном множестве данных сеть способна обобщать полученную информацию и показывать хорошие результаты на данных, не использовавшихся в процессе обучения.

Одной из первых моделей нейрона, называемой моделью МакКаллока-Питтса (предложенной в 1943 году), нейрон считается винрарным элементом.

В данной модели входные сигналы xj (j = 1, 2, …,N) суммируются с учетом соответствующих весов wij (сигнал поступает в направлении от узла i к узлу j) в сумматоре, после чего результат сравнивается с пороговым значением wi0. выходной сигнал нейрона yi определяется при этом зависимостью

yi = f(å wij xj(t) + wi0).

Модель МакКаллока-Питтса – это дискретная модель, в которой состояние нейрона в момент (t+1) рассчитывается по значениям его входных сигналов в предыдущий момент t. Через несколько лет Д. Хебб в процессе исследований ассоциативной памяти предложил теорию обучения (подбора весов wij) нейронов. При этом он использовал наблюдение, что веса межнейронных соединений при активации нейронов могут возрастать. В модели Хебба приращение всех весов Dwij в процессе обучения пропорционально произведению выходных сигналов yi и y j нейронов, связанных весом wij:

wij(k+1) = wij(k) + h yi(k)yj(k),

где k обозначает номер цикла, а h - коэффициент обучения.

 

<== предыдущая лекция | следующая лекция ==>
Вопрос 22. Построение дерева индуктивного вывода. Применение деревьев принятия решений в СОВ | Вопрос 24. Нейросети. Применение в СОВ
Поделиться с друзьями:


Дата добавления: 2014-01-15; Просмотров: 644; Нарушение авторских прав?; Мы поможем в написании вашей работы!


Нам важно ваше мнение! Был ли полезен опубликованный материал? Да | Нет



studopedia.su - Студопедия (2013 - 2024) год. Все материалы представленные на сайте исключительно с целью ознакомления читателями и не преследуют коммерческих целей или нарушение авторских прав! Последнее добавление




Генерация страницы за: 0.009 сек.