Модель - нейрон
Cтраница 1
Модель нейронов с дрейфующими порогами вводится на основе естественного предположения о том, что в отсутствие импульсации возбудимость нейрона непрерывно повышается, не останавливаясь на фиксированном уровне, причем возрастание импульсной активности за счет пересечения уровня шума с порогом нейрона приводит с некоторой задержкой к уменьшению возбудимости. [1]
Моделью преобразующего нейрона может служить пороговый элемент, у которого Д, 1, а моделью реагирующего нейрона служит пороговый элемент, у которого коэффициенты А - некоторые настраиваемые переменные величины. [2]
 |
Упрощенная модель нейрона и его соединения с соседним нейроном. 1 - тело клетки, 2 - аксон, 3 - дендриты, 4 - синапсы. [3] |
Рассмотрим модель нейрона, связанную с первыми попытками формализовать описание функционирования нервной клетки. [4]
В моделях нейронов используются различные варианты нелинейных преобразований. Наиболее часто используются сигмои-дальные, кусочно-линейные и жесткие пороговые функции активации. [5]
Мы выбрали модель нейрона для которой у х9 иными словами, наклон характеристики равен 45 Какой формулой будет описываться зависимость у f ( x), если характеристика имеет другой угол наклона. [6]
Примерами таких моделей нейронов и сетей, построенных из них, являются многочисл. [7]
Широкое распространение получили многочисленные модели нейронов ( ар-трон, адалин, нейристор, меми-стор и др.) и нервных сетей. Исключительно велики перспективы технического моделирования биологической памяти, характеризующейся колоссальной емкостью, гибкостью и надежностью. Так, емкость памяти человека оценивается в 1015 - 10го дв. Показатели лучшихопера-тивных запоминающих устройств весьма далеки от этих характеристик. Другой весьма важной отличительной особенностью биологической памяти является то, что процессы хранения информации здесь совмещаются с процессами ее логической обработки. Попытки технической реализации этих свойств привели к созданию так называемых ассоциативных запоминающих устройств. [8]
Широкое распространение получили многочисленные модели нейронов ( артрон, адалин, нейристор, ме-мистор и др.) и нервных сетей. Исключительно велики перспективы технического моделирования биологической памяти, характеризующейся колоссальной информационной емкостью, гибкостью и надежностью. Так, количество информации в памяти человека оценивается в 1015 - 10я бит при объеме мозга всего около 1 5 дм3 и расходе энергии порядка единиц - десятков ватт. Показатели лучших оперативных запоминающих устройств весьма далеки от этих характеристик. Другой, весьма важной отличительной особенностью биологической памяти является то, что процессы хранения информации здесь совмещаются с процессами ее логической обработки. [9]
 |
Модель нейрона. [10] |
На рис. 9.9 изображена модель нейрона. [11]
 |
Модель нейрона. [12] |
На рис. 9.9 изображена модель нейрона. [13]
Артрон - одна из моделей нейронов, изготовленная в США. Имеет два входа и один выход. [14]
Артрон - одна из моделей нейронов. В процессе обучения он настраивается на выполнение определенной логической функции. [15]
Страницы: 1 2 3