Многослойная сеть

Cтраница 4

Траектории движения грузовика из трех исходных позиций. ( х, ф ( - 100, - 60, ( 100, 120 и ( 0, 180. [46]

Таким образом, представленная структура модуля нечеткого управления обладает свойством, которое отсутствует у обычных нечетких систем - способностью к обучению. Это достигнуто благодаря представлению модуля управления в виде нейроподобной многослойной сети. В то же время, эта сеть свободна от главного недостатка нейронных сетей - распределения знаний. Все веса и параметры сохраняют свою физическую интерпретацию, что дает возможность анализировать знания, накопленные системой в процессе обучения. [47]

Представляется, что нейронные сети лучше, чем другие методы, подходят для выявления нелинейных закономерностей в отсутствие априорных знаний об основной модели. Чтобы лучше представить себе возможности нейронных сетей, рассмотрим процесс обучения очень простой многослойной сети с алгоритмом обратного распространения ошибки ( MBPN) на искусственно смоделированном псевдохаотическом временном ряде. [48]

Все они используют сеть обратного распространения - наиболее успешный, по-видимому, из современных алгоритмов. Обратное распространение, независимо предложенное в трех различных работах [8, 5, 6,], является систематическим методом для обучения многослойных сетей, и тем самым преодолевает ограничения, указанные Минским. [49]

Могут быть построены различные гибридные разновидности сетей с радиальными базисными функциями. Например, выходной слой может иметь нелинейные функции активации, и тогда для его обучения используется какой-либо из алгоритмов обучения многослойных сетей, например метод обратного распространения. Можно также обучать радиальный ( скрытый) слой с помощью алгоритма обучения сети Кохонена - это еще один способ разместить центры так, чтобы они отражали расположение данных. [50]

Нейронная сеть с временной задержкой. [51]

Перед тем, как описать собственно динамические сети, рассмотрим, как сеть с прямой связью используется для обработки временных рядов. Метод состоит в том, чтобы разбить временной ряд на несколько отрезков и получить таким образом статический образец для подачи на вход многослойной сети с прямой связью. [52]

Возможно, именно это помешало ему найти эфективный алгоритм обучения, хотя сам термин Back Propagation восходит к его попыткам обобщить свое правило обучения одного нейрона на многослойную сеть. Как знать, используй Розенблатт вместо ступенчатой функции активации - сигмоидную, может быть его судьба сложилась бы по-другому. [53]

Каждый слой рассчитывает нелинейное преобразование от линейной комбинации сигналов предыдущего слоя. Отсюда видно, что линейная функция активации может применяется только для тех моделей сетей, где не требуется последовательное соединение слоев нейронов друг за другом. Для многослойных сетей функция активации должна быть нелинейной, иначе можно построить эквивалентную однослойную сеть, и многослойность оказывается ненужной. Если применена линейная функция активации, то каждый слой будет давать на выходе линейную комбинацию входов. Следующий слой даст линейную комбинацию выходов предыдущего, а это эквивалентно одной линейной комбианции с другими коэффициентами, и может быть реализовано в виде одного слоя нейронов. [54]

Сеть работает предельно просто и быстро. Выходной сигнал ( решение задачи) формируется в результате прохода сигналов всего лишь через один слой нейронов. Для сравнения: в многослойных сетях сигнал проходит через несколько слоев; в сетях циклического функционирования сигнал многократно проходит через нейроны сети, причем число итераций, необходимое для получения решения, бывает заранее не известно. [55]

Химический состав отдельных слоев клеточной стенки некоторых растительных материалов приводится далее ( см. ниже, табл. 1.3, 1.6, 1.7), однако здесь мы рассмотрим расположение в этих слоях микрофибрилл целлюлозы. В первичной оболочке микрофибриллы целлюлозы расположены беспорядочно и образуют характерную для первичной оболочки дисперсную текстуру. Они способны смещаться каждая в отдельности, не мешая друг другу и образуя многослойную сеть [ 8, с. Отмечается, что степень полимеризации и кристалличности целлюлозы в первичной оболочке гораздо меньше, чем во вторичной оболочке. Микрофибриллы во вторичной оболочке ориентированы в основном параллельно друг другу, что обусловливает наибольшее их уплотнение и высокую механическую прочность растительного материала на разрыв. В слое Si направление фибрилл почти иериендикулярно оси клетки, в слое S2 они образуют с осью клетки острый ( 5 - 30) угол. St состоит из двух или более слоев с перекрещивающимися спиралями микрофибрилл, например, под углом к оси клетки около 60 для трахеид хвойных и около 45 - для волокон лиственной древесины [ 8, с. Кроме того, между слоями Р и St, Si и S2, 5г и S3 наблюдаются переходные ламеллы с иной микроориентацией фибрилл, чем в основных слоях оболочек. В слое 5г можно наблюдать несколько отдельных ламелл, которые состоят из одного слоя фибрилл и отличаются наклоном фибрилл относительно продольной оси клетки. Неоднородность строения вторичной оболочки определяется также наличием в ней углублений или полостей, которые носят название пор. Около пор микрофибриллы расположены кольцеобразно. [56]

Эти веса, также как и значения параметров xf и af в слое L1, будут модифицироваться в процессе обучения. На выходе слоя L4 формируется четкое ( дефуззифицированное) выходное значение модуля управления у. Представленная на рис. 5.1 структура имеет много общего с нейронными сетями - она представляет собой многослойную сеть, основанную на идее нечеткого вывода. В отличие от чистых нейронных сетей, каждый слой в целом и отдельные составляющие его элементы, также как и конфигурация связей, все параметры и веса имеют физическую интерпретацию. Это свойство оказывается необычайно важным, поскольку знания не распределяются по сети и могут быть легко локализованы и при необходимости откорректированы экспертом-наблюдателем. [57]

Модель искусственного нейрона. S VX / wi -, Y F ( S. [58]

Сети могут быть одно - и многослойными. На входы первого слоя нейросети подаются входные сигналы, рассматриваемые как исходные данные. С выходов нейронов последнего слоя снимаются выходные данные. Если сеть однослойная, то первый слой нейронов одновременно является и последним слоем сети. В многослойной сети сигналы с выходов нейронов первого слоя поступают на входы нейронов второго слоя и так далее. [59]

В однослойных сетях нейроны могут соединятся либо по принципу каждый с каждым, либо регулярно. Классическим является связь нейрона одного слоя с каждым нейроном другого слоя. Внутри слоя нейроны между собой связей не имеют. Два внешних слоя многослойной сети принято называть входным и выходным слоями. [60]

Страницы: 1 2 3 4 5