Входной слой
Cтраница 1
Входной слой формируют независимые переменные, выходной - зависимые. [1]
 |
Контролируемое обучение ИНС. [2] |
Входной слой перцептрона служит лишь для приема и ретрансляции входных сигналов на нейроны скрытого слоя. В скрытых слоях происходит основное нелинейное преобразование информации, а выходной слой осуществляет суперпозицию взвешенных сигналов последнего из скрытых слоев. [3]
Входной слой неокогнитрона распознает линии и углы определенной ориентации. Каждый нейрон в слое, близком к входному, реагирует на определенные образы в определенном месте с определенной ориентацией. Каждый последующий слой имеет более абстрактную, менее специфическую реакцию по сравнению с предыдущим. В последующих слоях распознаются все более сложные образы независимо от их положения, размера, ориентации и искажений. [4]
Когда каждый нейрон входного слоя многослойной нейронной сети связан с каждым нейроном выходного слоя, такая вычислительная сеть называется полной. [5]
Следует отметить, что во входных слоях катализатора, через которые проходит лишь часть газа, время контактирования больще и, следовательно, средняя скорость реакции ниже, чем в трубчатых насадках. Скорость реакции байпасного газа, содержащего небольшое количество аммиака, также уменьшается при смешении его с прореагировавшим газом. [6]
Для вектора длины п, подаваемого на входной слой, строится его отображение f в единичный куб. Для обученной сети это отображение реализует представление исходного вектора в системе естественных координат и, которое воспроизводится в среднем скрытом слое. [7]
Нейронные сети встречного распространения, состоящие из входного слоя нейронов и так называемых слоев нейронов Кохо-нена и Гроссберга, по своим характеристикам существенно превосходят возможности сетей с одним скрытым слоем нейронов. [8]
Нейронные сети встречного распространения, состоящие из входного слоя нейронов и слоев нейронов Кохонена и Гроссберга, по своим характеристикам существенно превосходят возможности сетей с одним скрытым слоем нейронов. [9]
 |
Первый опыт с нейроконтроллером, аппроксимирующим коэффициенты ПИД-регулятора.| Применение ГА для настройки параметров нейроконтроллера. [10] |
Структура нейроконтроллера: три ретранслирующих узла во входном слое, четыре скрытых узла с сигмоидалъными активационными функциями и один выходной. [11]
Обычно нейронные сети для QSAR / QSPR включают входной слой нейронов ( который получает рассчитанные значения дескрипторов), промежуточный слой и выходной слой нейронов, соответствующих прогнозируемым свойствам. [12]
В этом случае их состояния вычисляются последовательно, начиная от входного слоя к выходному. Для сетей интервальных нейронов может быть построено обобщение метода обратного распространения ошибки, описание которого выходит за рамки нашего курса. [13]
Хромосома будет представлять собой вектор действительных чисел, кодирующих весовые коэффициенты связей нейронов входного слоя с нейронами одного или нескольких скрытых слоев, а также связи между нейронами скрытых слоев и нейронами выходного слоя. [14]
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. [15]
Страницы: 1 2 3 4 5