Активационная функция

Cтраница 2

В работе [7] рассмотрены модели с непрерывной активационной функцией F, точнее моделирующей биологический нейрон. [16]

Каждый выходной нейрон затем вычисляет взвешенную сумму значений активационных функций, соединенных с ним нейронов второго уровня. [17]

Если модель объекта реализована на двухслойной нейронной сети с линейными активационными функциями нейронов выходного слоя, ре-масштабирование весовых коэффициентов после обучения нейронной сети является достаточно простой процедурой. После ремасштабирования весовых коэффициентов нейросетевая модель может работать с немасштабированными данными. [18]

Ошибка аппроксимации в точках входного пространства, не совпадающих с центрами активационных функций, зависит от того, насколько удачно выбраны ширины окон, и адекватно ли количество тренировочных шаблонов сложности функционального преобразования. [19]

Имеет входы, снабженные весами, смещение, суммирующий элемент и выходную активационную функцию. Является аналогом биологического нейрона. [20]

Заранее должно быть известно число эталонов, а также эвристики для построения активационных функций нейронов скрытого слоя. [21]

Гибридная нейронная сеть - это нейронная сеть с четкими сигналами, весами и активационной функцией, но с объединением ж - и Wi, р и р2 с использованием t - нормы, t - конормы или некоторых других непрерывных операций. [22]

Нечеткая нейронная сеть - это нейронная сеть с четкими сигналами, весами и активационной функцией, но с объединением х, и и / -, PI и р2 с использованием операций t - нормы, t - конормы или некоторых других непрерывных операций. [23]

Персептрон со многими выходами. [24]

Рассмотрим в качестве примера трехнейронный персептрон ( рис. 2.16), нейроны которого имеют активационную функцию в виде единичного скачка. [25]

Персептрон со многими выходами. [26]

Рассмотрим в качестве примера трехнейронный персептрон ( рис. 2.4), нейроны которого имеют активационную функцию в виде единичного скачка. [27]

Первый опыт с нейроконтроллером, аппроксимирующим коэффициенты ПИД-регулятора.| Применение ГА для настройки параметров нейроконтроллера. [28]

Структура нейроконтроллера: три ретранслирующих узла во входном слое, четыре скрытых узла с сигмоидалъными активационными функциями и один выходной. [29]

Каждый из этих слоев характеризуется набором параметров ( функциями принадлежности, нечеткими решающими правилами, активационными функциями, весами связей), настройка которых производится, по сути, так же, как и для обычных нейронных сетей. [30]

Страницы: 1 2 3 4 5