Студопедия
Случайная страница | ТОМ-1 | ТОМ-2 | ТОМ-3
АвтомобилиАстрономияБиологияГеографияДом и садДругие языкиДругоеИнформатика
ИсторияКультураЛитератураЛогикаМатематикаМедицинаМеталлургияМеханика
ОбразованиеОхрана трудаПедагогикаПолитикаПравоПсихологияРелигияРиторика
СоциологияСпортСтроительствоТехнологияТуризмФизикаФилософияФинансы
ХимияЧерчениеЭкологияЭкономикаЭлектроника

Можливості одношарових персептронів. Однонейронна мережа для двовимірного вхідного сигналу

Читайте также:
  1. Зарубіжний досвід формування та використання ресурсів місцевих бюджетів та можливості його застосування в Україні
  2. Можливості опису логіки процесу за допомогою миниспецификации невеликого обсягу (не більше 20-30 рядків).
  3. Структура та можливості двохшарових персептронів.
  4. Суть искусственной реверберации заключена в том, что к прямому сигналу идущему, например, от микрофона подмешивается необходимое количество его отражений, повторений.
  5. ФУНКЦІОНАЛЬНІ МОЖЛИВОСТІ ОПЕРАЦІЙНИХ ПІДСИЛЮВАЧІВ

Вивчення можливостей багатошарових персепртронів зручно почати із властивостей основної компоненти і одночасно найпростішого персептрона - окремого нейрона.

Найпростішим пристроєм розпізнавання зображень, котрий належить до цього класу мереж, є одиночний нейрон, котрий перетворює вхідний вектор ознак у скалярну відповідь, що залежить від лінійної комбінації вхідних змінних:

Ми вважаємо, що у кожного нейрона є додатковий одиничний вхід , значення якого . Це дозволяє спростити вирази, трактуючи усі синаптичні зв'язки , в тому числі і поріг єдиним чином.

Скалярний вихід нейрона можна використовувати як дискримінантну функцію. Цим терміном в теорії розпізнавання зображень називають індикатор приналежності вхідного вектора до одного із заданих класів. Якщо вхідні вектори можуть належати одному з двох класів, нейрон здатний розрізняти тип входу. Наприклад, якщо , вхідний вектор належить першому класу, у всіх інших випадках - другому.

Оскільки дискримінантна функція залежить лише від лінійної комбінації входів, нейрон є лінійним дискримінатором. В деяких випадках лінійний дискримінатор є найкращий із можливих, зокрема, коли ймовірності належності вхідних векторів до класу задаються гаусівськими розподілами. У цьому випадку границі, що розділяють області, де імовірність одного класу більша, ніж решта, є гіперплощинами На рисунку 2.2 приведена ілюстрація у випадку двох класів векторів.

 

Рис.2.2. Розділення гаусівських класів з математичними сподіваннями .та .

Лінійний дискримінатор дає точне вирішення задачі, коли імовірності приналежності до різних класів – гаусівські з однаковою дисперсією і різними матсподіваннями . У більш загальному випадку розділ множини вхідних векторів можна здійснити набором гіперплощин. Тоді для вирішення задачі необхідно декілька лінійних дискримінаторів - нейронів.

Структура мережі показана на рисунку 3.2.

 

 

Рис.3.2. Однонейронна мережа у випадку двовимірного вхідного сигналу.

Аналогічно, як в попередньому випадку величини корекції ваг можна визначити наступним чином:

.

Очевидно що .


 


Дата добавления: 2015-07-17; просмотров: 95 | Нарушение авторских прав


Читайте в этой же книге: ПАУЛО РљРћР­Р›РРћ ПОБЕДР?ТЕЛРОСТАЕТСЯ РћР”Р?Рќ 34 страница | ПАУЛО РљРћР­Р›РРћ ПОБЕДР?ТЕЛРОСТАЕТСЯ РћР”Р?Рќ 35 страница | ПАУЛО РљРћР­Р›РРћ ПОБЕДР?ТЕЛРОСТАЕТСЯ РћР”Р?Рќ 36 страница | ПАУЛО РљРћР­Р›РРћ ПОБЕДР?ТЕЛРОСТАЕТСЯ РћР”Р?Рќ 37 страница | ПАУЛО РљРћР­Р›РРћ ПОБЕДР?ТЕЛРОСТАЕТСЯ РћР”Р?Рќ 38 страница | ПАУЛО РљРћР­Р›РРћ ПОБЕДР?ТЕЛРОСТАЕТСЯ РћР”Р?Рќ 39 страница | ПАУЛО РљРћР­Р›РРћ ПОБЕДР?ТЕЛРОСТАЕТСЯ РћР”Р?Рќ 40 страница | Нейроемулятори: переваги та недоліки, область використання | Класифікація базових нейроахітектур по типу алгоритмів навчання та архітектури зв’язків | Математична модель нейрона. |
<== предыдущая страница | следующая страница ==>
Функції активації нейрона та їх властивості.| Багатошарові персептрони.

mybiblioteka.su - 2015-2018 год. (0.01 сек.)