Вход - нейрон
Cтраница 1
Входы нейрона не находятся на теле и не касаются его. Выход расположен на теле нейрона. [1]
Выходы слоя Кохонена подаются на входы нейронов слоя Гроссберга. Выходы нейронов вычисляются, как при обычном функционировании. Далее каждый вес корректируется лишь в том случае, если он соединен с нейроном Кохонена, имеющим ненулевой выход. Величина коррекции веса пропорциональна разности между весом и требуемым выходом нейрона Гроссберга. [2]
Далее предпринимается попытка подобрать веса входов нейронов сети так, чтобы сеть решала поставленную задачу. Если это не удается для выбранного графа сети, то по некоторой эвристике, например, с использованием генетических алгоритмов [41], перебираются графы сетей, для каждой из которых предпринимается попытка обучения. Этот процесс продолжается до получения устраивающего результата. [3]
 |
Структура нейронной сети Хэмминга. [4] |
Выходы нейронов выходного слоя связаны со входами остальных нейронов этого слоя отрицательными обратными ( инги-биторными) связями. Единственная положительная обратная связь подается с выхода для каждого нейрона выходного слоя на его же вход. [5]
В момент времени t - - 1 могут возбуждаться как собственные входы нейрона, так и несобственный вход. В моменты времени t - - i, i 1, поведение нейрона описывается ( t - пороговыми матрицами, которые, как нетрудно показать, графически совпадают с ( t 1) - пороговой матрицей. Из сказанного следует, что тг-входо-вый формальный нейрон с обратными связями имеет две графически различные пороговые матрицы ( п 1) - ой переменной: - пороговую и ( t 1) - пороговую. [6]
В начальный момент времени t могут быть возбуждены некоторые из собственных входов нейрона. Таким образом, моменту времени t можно ставить в соответствие пороговую матрицу ( п - f 1) - ой переменной; при этом несобственный вход an i считается фиктивным. Вход at нейрона мы называем фиктивным, если на этом входе не начинаются волокна нейрона. [7]
Выходные сигналы нейронов слоя 1 распределяются на соответствующие моделям технологического оборудования входы нейронов слоя 2, умноженные на весовые коэффициенты связей Wj, которые равны количеству станков, необходимых для выполнения i-той операции, взятому с обратным знаком. [8]
 |
Пример организации связей, обеспечивающей избирательную реакцию нейрона Н па определенную частоту модуляции.| Разновидность механизма ( 5, использующая логические свойства децдритов. [9] |
Максимальный ответ нейрона Я на некоторую частоту модуляции обеспечивается посредством такого подбора величин задержек t, при котором сигналы от последовательно ( снизу вверх) возбуждающихся нейронов приходят на вход нейрона Н одновременно, где происходит их синфазное суммирование. При включении модулирующей частоты, отличной от той, которая обеспечивает синфазное суммирование, ответы нейронов рассматриваемого столбика приходят на вход нейрона Н в разные моменты времени ( происходит десинхронизация залпа), что отражается в значительном уменьшении или полном прекращении ответа нейрона N. Схема соединений дендрита нейрона Н с элементами выходного слоя показана на рис. О. [10]
Один из наиболее часто встречающихся законов распределения получается, когда все начальные веса детерминированы и равны одному и тому же числу ( чаще всего нулю), а подсоединение всех входов любого данного нейрона производится независимо друг от друга на основании того или иного закона распределения ( чаще всего равномерного), заданного непосредственно на сетчатке. [11]
Нейрон головного мозга получает входные сигналы от множества других нейронов, причем сигналы имеют вид электрических импульсов. Входы нейрона делятся на две категории - возбуждающие и тормозящие. Сигнал, поступивший на возбуждающий вход, повышает возбудимость нейрона, которая при достижении определенного порога приводит к формированию импульса на выходе. Сигнал, поступающий на тормозящий вход, наоборот, снижает возбудимость нейрона. Каждый нейрон характеризуется внутренним состоянием и порогом возбудимости. Если сумма сигналов на возбуждающих и тормозящих входах нейрона превышает этот порог, нейрон формирует выходной сигнал, который поступает на входы связанных с ним других нейронов, т.е. происходит распространение возбуждения по нейронной сети. Типичный нейрон может иметь до 103 связей с другими нейронами. [12]
Вторая нейронная сеть, аналогичная первой, также состоит из одного слоя нейронов, где каждый нейрон соответствует одной операции. На входы нейронов подаются компоненты векторов Sk, характеризующие ситуационные сигналы. Операция выбирается по максимальному выходному сигналу нейронов. [13]
Сеть ИНС представляет собой совокупность простых вычислительных элементов - искусственных нейронов, каждый из которых обладает определенным количеством входов ( дендритов) и единственным выходом ( аксоном), разветвления которого подходят к синапсам, связывающим его с другими нейронами. На входы нейрона поступает информация извне или от других нейронов. Нейроны в сети могут иметь одинаковые или разные функции возбуждения. Сигналы, поступающие на вход нейрона, неравнозначны в том смысле, что информация из одного источника может быть более важной, чем из другого. Приоритеты входов задаются с помощью вектора весовых коэффициентов, моделирующих синаптическую силу биологических нейронов. [14]
При обучении сигнал ошибки распространяется обратно по сети. Производится коррекция весов входов нейронов, предотвращающая повторное появление этой ошибки. В одноуровневых сетях коррекция выполняется достаточно просто. [15]
Страницы: 1 2 3 4