Многослойные нейронные сети

Однослойные искусственные нейронные сети

Простейшим примером нейронной сети является однослойный персептрон. Данная нейронная сеть, несмотря на название, на самом деле состоит из двух слоев. Первый слой отвечает за интерпретацию входных данных и их перевод в численное выражение. Нейроны, отвечающие за это имеют один единственный вход и реализуют искусственно заданную функцию, ставящую в соответствие анализируемому явлению или его части некоторое число. Эти нейроны отмечены на следующей схеме кружочками, чтобы подчеркнуть их уникальность.

Второй слой состоит из ранее рассмотренных нейронов и, собственно, именно он и является интересующей нас нейронной сетью. Каждый из этих нейронов воспринимает информацию с нейронов первого слоя с некоторым весовым коэффициентом, который может быть положительным или отрицательным. Положительный вес соответствует возбуждающим связям, а отрицательный – тормозным связям между нейронами.

На выходе каждый из нейронов дает некоторое число, суммарный вектор которых и считается за результат работы нейронной сети.

Аналогично однослойным нейронным сетям, путем добавления после первого слоя вычислительных нейронов последующих слоев, анализирующих уже результаты предыдущих нейронов, можно прийти к многослойным сетям. Здесь можно разделить нейронные сети на два основных класса: сети прямого распространения и сети с обратной рекуррентной связью.

Сети прямого распространения отличаются тем, что полностью детерминированы входными данными. Каждую ситуацию данная сеть будет рассматривать отдельно и решение, принимаемое сетью, полностью зависит от входных данных.

Сеть с рекуррентной обратной связью же, напротив, может изменять результат своего действия, за счет того, что результаты работы нейронов тоже являются, в некоторой степени, дополнительными входными данными. Данные сети гораздо более сложны, зато позволяют реализовывать некоторый аналог биологической памяти.

Дата добавления: 2015-06-04