Читайте также:
|
|
Основные свойства (признаки) персептрона:
· Нейтроны каждого слоя не связаны между собой;
· Нейтроны входного слоя не осуществляют преобразование информации;
· Выходной сигнал каждого нейтрона поступает на входы всех нейтронов следующего слоя.
Обобщенная модель нейтрона:
Примеры активации функции:
Главной особенностью нейронных сетей является способность обучения весов ее синаптических связей (на примерах):
5 Алгоритм обучения сети (общая процедура):
, где — суммарная квадратическая ошибка обучения нейронной сети.
Алгоритм обучения нейронной сети:
1. Задаются начальные значения весов сети wij(k) (малые случайные величины);
2. На вход сети подаются вектор входных величин X = (x1, x2, …, xm);
3. Вычисляется выходная реакция нейронной сети Y = (y1, y2, …, yn);
4. Вычисляются разности , где di — желаемая выходная реакция по i–му выходу;
5. Вычисляются новые значения весов нейронной сети
(Алгоритм обратного распространения — вначале вычисляются веса Wij(N-1), затем Wij(N-2), и так далее, вплоть до Wij(1)).
6) На вход сети подаются вектор X = (x1, x2, …, xm);
Обучение продолжается до тех пор, пока ошибка E не достигнет заранее заданной величины, или по достижению заданного количества циклов обучения.
Нейрокомпьютер — устройство, реализующее механизмы обучения и функционирования нейронной сети.
Способы реализации нейрокомпьютеров:
1. Программная эмуляция (нейропакеты, нейроимитаторы);
2. нейрочипы
Особенности:
· Высокое быстродействие;
· отказоустойчивость;
· помехозащищенность;
· обучение;
3. другие способы (оптические нейрокомпьютеры и др.).
Дата добавления: 2015-12-01; просмотров: 40 | Нарушение авторских прав