Структура (топология) простейшей нейронной сети — персептрона.

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 w_ij^(k) (малые случайные величины);

2. На вход сети подаются вектор входных величин X = (x₁, x₂, …, x_m);

3. Вычисляется выходная реакция нейронной сети Y = (y₁, y₂, …, y_n);

4. Вычисляются разности , где d_i — желаемая выходная реакция по i–му выходу;

5. Вычисляются новые значения весов нейронной сети

(Алгоритм обратного распространения — вначале вычисляются веса W_ij^(N-1), затем W_ij^(N-2), и так далее, вплоть до W_ij⁽¹⁾).

6) На вход сети подаются вектор X = (x₁, x₂, …, x_m);

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