Входной образ
Cтраница 1
Входной образ подается на первый слой и передается далее до достижения выходного слоя, в котором он распознается. [1]
При срабатывании на входной образ простого нейрона его веса должны быть увеличены. [2]
 |
Структура сети Кохонена. [3] |
На входы сети подается входной образ, и сигналы возбуждения распространяются по всем слоям согласно принципам классических сетей прямого распространения ( feedforward), т.е. для каждого нейрона рассчитывается взвешенная сумма его входов, к которой затем применяется активационная ( передаточная) функция нейрона, в результате чего получается его выходное значение. [4]
Задача состоит в указании принадлежности входного образа ( например, речевого сигнала или рукописного символа), представленного вектором признаков, одному или нескольким предварительно определенным классам. К известным приложениям относятся распознавание букв, распознавание речи, классификация сигнала электрокардиограммы, классификация клеток крови. [5]
Задача состоит в указании принадлежности входного образа, представленного вектором признаков, одному или нескольким предварительно определенным классам. К известным приложениям относятся распознавание букв, распознавание речи, классификация сигнала электрокардиограммы, классификация клеток крови. [6]
Так как только небольшая часть входного образа подается на вход каждого простого узла входного слоя, некоторые простые узлы регистрируют наличие характеристик, которым они обучены, и возбуждаются. В следующем слое выделяются более сложные характеристики как определенные комбинации выходов комплексных узлов. Слои за слоем свойства комбинируются во все возрастающем диапазоне; выделяются более общие характеристики и уменьшается позиционная чувствительность. [7]
Задача состоит в указании принадлежности входного образа ( например, речевого сигнала или рукописного символа), представленного вектором признаков, одному или нескольким предварительно определенным классам. [8]
 |
Уравнение позволяет реализовать простейший вариант ассоциативной памяти. [9] |
Другими словами, если бы и входные образы, и ключевые образы были бы действительными числами, то вычислительная система, решающая уравнение (8.1), могла бы играть роль запоминающего черного ящика. M); им соответствуют минимумы потенциальной функции. [10]
Если предъявить сети несколько искаженных вариантов входного образа, то сеть сама может создать на выходе идеальный образ, с которым она никогда не встречалась. [11]
Отдельный массив плоскости простых нейронов настраивается на один специфический входной образ. Каждый простой нейрон массива реагирует на ограниченную область входного образа, называемую его рецептивной областью. Нейрон реагирует, если часть образа, на которую он настроен, встречается во входном образе и обнаружена в его рецептивной области. Другие массивы простых нейронов первой плоскости в этом слое могут быть настроены, например, на повороты образов. Причем для выделения каждого дополнительного образа ( или его версии) требуется дополнительная плоскость. [12]
 |
Линейно разделимые функции. [13] |
Нейрон с п двоичными входами может иметь 2 различных входных образов, состоящих из нулей и единиц. [14]
Следует отметить, что вид откликов на каждый класс входных образов заранее неизвестен и представляет собой произвольное сочетание состояний нейронов выходного слоя, обусловленное случайным распределением весов на стадии инициализации. Вместе с тем, сеть способна обобщать схожие образы, относя их к одному классу. Тестирование обученной сети позволяет определить топологию классов в выходном слое. Для приведения откликов обученной сети к удобному представлению можно дополнить сеть одним слоем, который, например, по алгоритму обучения однослойного персептрона необходимо заставить отображать выходные реакции сети в требуемые образы. [15]
Страницы: 1 2 3 4 5