Нейронная сеть

Cтраница 2

Нейронная сеть представляет собой совокупность нейропо-добных элементов, определенным образом соединенных друг с другом и с внешней средой с помощью связей, определяемых весовыми коэффициентами. [17]

Нейронная сеть является основной операционной частью нейронных ЭВМ, реализующей алгоритм решения задачи. [18]

Определение расстояния между классами и внутри класса. [19]

Нейронная сеть может осуществлять классификацию на всех трех уровнях сложности с заданной ошибкой обобщения. Решение задачи классификации с помощью нейронной сети сводится к предъявлению обученной сети набора входных векторов, не включенных в обучающую выборку. Нейронная сеть должна каждый из этих векторов отнести к определенному классу. Используемое при этом решающее правило зависит от выбранного метода интерпретации ответов сети. Так, если выбран метод победитель забирает все, то сеть относит предъявляемый ей входной вектор только к одному из классов. Если же выбран метод нечеткой классификации, то сеть выдает последовательность чисел, например в интервале [0;1], каждое из которых определяет вероятность отнесения входного вектора к тому или иному классу. В такой постановке решение задачи классификации будет идентично решению задачи распознавания. В этом случае на вход сети подается вектор с неизвестными ранее значениями параметров, сеть относит входной образ к определенному классу. [20]

Результаты пятикратного обучения ( с различными начальными условиями 10-ти различных модельных структур на множестве данных Z V. [21]

Нейронная сеть обучается по методу Левенберга - Маркардта. Ошибка обобщения убывает только в начале процедуры обучения, а затем, после достижения минимума, увеличивается. Это объясняется тем, что в начале процедуры нейросетевая модель обучается на характерные признаки системы, после чего идет подстройка под возмущения, отраженные в обучающем множестве. [22]

Пример нейронной сети без циклов. [23]

Нейронная сеть образуется путем объединения ориентированными взвешенными ребрами выходов нейронов с входами. При этом граф межнейронных соединений может быть ациклическим либо произвольным циклическим. Вид графа служит одним из классификационных признаков типа нейронной сети, разделяющим сети на сети без циклов и циклические. Примеры нейронных сетей этих типов приведены на рис. 7.1 и 7.2 соответственно. [24]

Нейронная сеть представляется на хромосоме двумя уровнями. Хромосома состоит из нейронов - генов. В свою очередь, каждый нейрон представляется набором значений своих входных весов. [25]

Нейронная сеть - это кибернетическая модель нервной системы, которая представляет собой совокупность большого числа сравнительно простых элементов - нейронов, топология соединения которых зависит от типа сети. Чтобы создать нейронную сеть для решения какой-либо конкретной задачи, следует выбрать способ соединения нейронов друг с другом и подобрать значения параметров межнейронных соединений. [26]

Нейронная сеть и непозиционная структура вычислительного устройства будут полностью определены, если задан способ соединения базовых элементов. [27]

Двухвходовая нейронная сеть ( рис. 5.416) должна быть обучена такой классификации. Она имеет три выхода, каждый из которых соответствует своему классу. [28]

Нейронная сеть Хэмминга ( рис. 2.9) состоит из входного, скрытого и выходного слоев нейронов. Скрытый и выходной слои содержат по К нейронов, где К - число эталонов. [29]

Теоретически нейронная сеть с обратным распространением ( сигнала между слоями) позволяет аппроксимировать любую функцию с любой точностью. На практике это возможно, если количество независимых входов X не превышает нескольких тысяч. [30]

Страницы: 1 2 3 4