Входной вектор

Cтраница 3

Входная звезда реагирует на определенный входной вектор, которому она обучена. Это обеспечивается настройкой весов на соответствующий входной вектор. На выходе звезды формируется взвешенная сумма ее входов, представляющая свертку входного вектора с весовым вектором. [31]

Наоборот, если несколько входных векторов получены незначительными изменениями из одного и того же образца и должны быть объединены в один класс, то они должны включать один и тот же нейрон Кохонена. Если же плотность весовых векторов очень высока вблизи группы слегка различных входных векторов, то каждый входной вектор может активировать отдельный нейрон Кохонена. Это не является катастрофой, так как слой Гроссберга может отобразить различные нейроны Кохонена в один и тот же выход, но это расточительная трата нейронов Кохонена. [32]

Упрощенный слон сравнения. [33]

Слой распознавания осуществляет классификацию входных векторов. Каждый нейрон в слое распознавания имеет соответствующий вектор весов Bj Только один нейрон с весовым вектором, наиболее соответствующим входному вектору, возбуждается; все остальные нейроны заторможены. [34]

Для больших размерностей п входного вектора ( несколько десятков) не имеет смысла требовать точность выше 10 - 2, так как время счета будет неприемлемо большим. [35]

Появление на входе сети входного вектора X инициализирует фазу распознавания. В результате любая компонента вектора X, равная единице, обеспечивает второй единичный вход, тем самым заставляя соответствующий нейрон слоя сравнения возбуждаться и устанавливая его выход в единицу. [36]

Изменения вероятности активности нейрона в зависимости от параметра t. [37]

Пусть для каждого набора возможных входных векторов требуется получить с определенной вероятностью все допустимые выходные вектора. В большинстве случаев эта вероятность близка к нулю. [38]

Анализатору, что последовательность входных векторов теста будет задана пользователем. [39]

Ограничение количества единиц во входных векторах представляет серьезную проблему, тем более, что теория, которая позволяет перекодировать произвольный набор векторов в такой разреженный набор, отсутствует. Возможно, однако, что еще более серьезной является проблема некорректной сходимости. Суть этой проблемы заключается в том, что сеть может не производить точных ассоциаций вследствие природы поля притяжения; об ее форме известно очень немногое. Это означает, что ДАЛ не является ассоциатором по отношению к ближайшему соседнему образу. В действительности она может производить ассоциации, имеющие слабое отношение ко входному вектору. Как и в случае гомогенных ДАЛ, могут встречаться ложные стабильные состояния и немногое известно об их количестве и природе. [40]

Этот пример показывает, как входной вектор А с использованием матрицы W производит выходной вектор В. [41]

Считается, что персептрон относит входной вектор jc к р-му понятию, если возбуждается р-й реагирующий нейрон и не возбуждаются другие реагирующие нейроны. [42]

Затем на вход сети подается входной вектор X, который должен быть классифицирован. Этот вектор должен иметь одну или более компонент, отличных от нуля, в результате чего и G1, и G2 становятся равными единице. Это подкачивает нейроны слоя сравнения, обеспечивая один из двух единичных входов, необходимых для возбуждения нейронов в соответствии с правилом двух третей, тем самым позволяя нейрону возбуждаться, если соответствующая компонента входного вектора X равна единице. [43]

Наблюдение выхода вентиля с помощью другого. [44]

Элдрид заметил также, что входные векторы проверки часто содержат безразличные комбинации. Это может быть использовано для объединения нескольких входных векторов, в результате чего получается один тест для нескольких неисправностей. [45]

Страницы: 1 2 3 4