Искусственный нейрон

Cтраница 3

Представляют собой сеть элементов - искусственных нейронов - связанных между собой синап - тическими соединениями. Сеть обрабатывает входную информацию и в процессе изменения своего состояния во времени формирует совокупность выходных сигналов. [31]

Вогнутая область решений, задаваемая трехслойной сетью. [32]

Трехслойная сеть, однако, является более общей. Ее классифицирующие возможности ограничены лишь числом искусственных нейронов и весов. Ограничения на выпуклость отсутствуют. Теперь нейрон третьего слоя принимает в качестве входа набор выпуклых многоугольников, и их логическая комбинация может быть невыпуклой. На рис. 2.9 иллюстрируется случай, когда два треугольника А и В, скомбинированные с помощью функций А и не В, задают невыпуклую область. При добавлении нейронов и весов число сторон многоугольников может неограниченно возрастать. Это позволяет аппроксимировать область любой формы с любой точностью. Вдобавок не все выходные области второго слоя должны пересекаться. Возможно, следовательно, объединять различные области, выпуклые и невыпуклые, выдавая на выходе единицу всякий раз, когда входной вектор принадлежит одной из них. [33]

На рис. 6.4 показана блок-схема этого устройства с усилителями, выполняющими роль искусственных нейронов. Сопротивления, выполняющие роль весов, соединяют выход каждого нейрона с входами всех остальных. [34]

Многие авторы избегают термина нейрон для обозначения искусственного нейрона, считая его слишком грубой моделью своего биологического прототипа. В этой книге термины нейрон, клетка, элемент используются взаимозаменяемо для обозначения искусственного нейрона как краткие и саморазъясняющие. [35]

Функции переноса искусственных нейронов. a - линейная. б - ступенчатая. в - сигмоидальная. [36]

Тип функции переноса выбирается с учетом конкретной задачи, решаемой с применением нейронных сетей. Например, в задачах аппроксимации и классификации предпочтение отдают логистической ( сигмоидальной) кривой. Нейронная сеть представляет собой совокупность искусственных нейронов, организованных слоями. При этом выходы нейронов одного слоя соединяются с входами нейронов другого. В зависимости от топологии соединений нейронов ИНС подразделяются на одноуровневые и многоуровневые, с обратными связями и без них. Связи между слоями могут иметь различную структуру. В однолинейных сетях каждый нейрон ( узел) нижнего слоя связан с одним нейроном верхнего слоя. Если каждый нейрон нижнего слоя соединен с несколькими нейронами следующего слоя, то получается пирамидальная сеть. Воронкообразная схема соединений предполагает связь каждого узла верхнего слоя со всеми узлами нижнего уровня. Существуют также древовидные и рекуррентные сети, содержащие обратные связи с произвольной структурой межнейронных соединений. [37]

Персептронный нейрон. [38]

Если эта сумма больше заданного порогового значения, выход равен единице, в противном случае - нулю. Они состоят из одного слоя искусственных нейронов, соединенных с помощью весовых коэффициентов с множеством входов ( см. рис. 2.16), хотя в принципе описываются и более сложные системы. [39]

Под нейронными сетями подразумеваются вычислительные структуры, которые моделируют простые биологические процессы, обычно ассоциируемые с процессами человеческого мозга. Они представляют собой распределенные и параллельные системы, способные к адаптивному обучению путем анализа положительных и отрицательных воздействий. Элементарным преобразователем в данных сетях является искусственный нейрон или просто нейрон, названный так по аналогии с биологическим прототипом. [40]

Под нейронными сетями ( НС) подразумеваются вычислительные структуры, которые моделируют простые биологические процессы, обычно ассоциируемые с процессами человеческого мозга. Адаптируемые и обучаемые, они представляют собой распараллеленные системы, способные к обучению путем анализа положительных и отрицательных воздействий. Элементарным преобразователем в данных сетях является искусственный нейрон или просто нейрон, названный так по аналогии с биологическим прототипом. [41]

В этой работе впервые представлена формализованная модель искусственного нейрона и разработана теория ИНС как конечных автоматов, способных реализовывать психологические функции. [42]

Вариантом реализации имитационной, бионической программы в ИИ стал нейробионический подход, приверженцы которого считают, что успешное воспроизведение интеллектуальных процессов невозможно без воспроизведения их материальных носителей, т.е. тех процессов, которые протекают в специальным образом организованной биологической ткани. Другими словами, основной целью этого подхода является создание искусственного мозга, структура и функционирование которого идентичны биологическому мозгу. В рамках нейробионического подхода ведутся исследования по разработке искусственных нейронов и построению на их основе структур, подобных биологическим. [43]

В первый период кибернетического бума, пришедшийся на конец 50 - х и 60 - е гг., рождались новые научные дисциплины и направления, связанные с отображением и имитацией важнейших характеристик сложных естественных систем в искусственных системах. В сферу интересов бионики попадают автономные и гомеостатические системы, искусственные нейроны и эволюционные системы, искусственные конечности, управляемые биотоками, и биотехнические системы, когда в качестве одной или нескольких подсистем используются живые организмы. [44]

Структура нейронной сети и структура алгоритма решения задачи, представленные в системе остаточных классов, обладают естественным параллелизмом. Выше изложенное позволяет сделать вывод о том, что алгоритмы функционирования вычислительных средств, представленных в системе остаточных классов, можно представить как алгоритмы нейроподобных вычислительных образований. По этой причине схемы в остаточных классах адекватны схемам, которые реализованы с помощью искусственных нейронов. [45]

Страницы: 1 2 3 4