Искусственные нейроны

Умножитель- умножает на вес сигнала.

Сумматор моделирует тригерную зону.

Нейрон помимо суммирования сигналов. обладает способность со временем сигналы не воспринимать (пороговый элемент отвечает за это).

где Wi – вес сигнала, Xi- входной сигнал.

Классификация исскуственных нейронов.

По виду сигнала: дискретные или аналоговые.

Аналоговые нейроны используются числа с плавающей точкой. Дискретная – нейроны с помощью целых чисел.

Нейронные сети состояз из трёх слоёв:

сенсорный, ассоциативный, эффекторный.

Сенсорный слой формирует результаты предварительно обработки, который попадает на нейроны ассоциативного слоя. Те свою очередь сообщают обработки данных эффекторному слою.

4 типа архитектуры с рекуррентной или обратной связи

1) соревновательная

2) сеть Кохонена

3) сеть Копфилда

4) модель (связь происходит всевозможными перекрёстными соединениями).

Процессы обучения состоит из:

Выбор архитектуры, настройка весов по обучающей выборки.

X-входной сигнал

R-результат

Интерактивная подстройка весовых коэффициентов.

Коррекция по ошибке заключается в следующем: происходит использование разностей между полученным результатом и запланированным, для регистрации весов.

Многоитерационный процесс, с постепенным уменьшением ошибки. Обучение Больцмана. (используется подход, при котором беспорядочно изменяются весовые коеффициенты).

Правило Хебба.

Если в нейроне активизируется по нескольким входам одновременно и регулярно, то сила синоптической связи возрастает.

Обучение методом соревнований. При соревновательном обучении, выходные нейроны соревнуются между собой за активацию.

Ёмкость нейронной сети – этом максимальное количество образов которое скоро может заполнить.

С учителем

Правило	Архитектура	Алгоритм	Задачи
Коррекция ошибок	Безобразные связи	Обратные распространённые ошибки	-классификация -апроксимация -управление
Больцмана	Рекуррентные связи	Обучение Больцмана	Задачи классификации
Хебба	Прямое распределение	Линейный Дискрименант Анализ	Анализ данных
Соревновательный	Соревновательная архитектура	Векторное квантирование	Сжатие данных

Без учителя

Правило	Архитектура	Алгоритм	Задачи
Коррекция ошибок	Прямое распределение	Обратные распространённые ошибки	-классификация -апроксимация -управление
Соревновательные	Кохонена Соревноват.	Векторное квантирование	Сжатие данных
Хебба	Соревновательная	Анализ главных компонентов	Анализ данных
Хопфилда	Ассоциативная память	ассоциации

Дата добавления: 2014-01-06