Вход - нейрон
Cтраница 3
Как правило, передаточные ( активационные) функции всех нейронов в сети фиксированы, а веса являются параметрами сети и могут изменяться. Некоторые входы нейронов помечены как внешние входы сети, а некоторые выходы - как внешние выходы сети. Подавая любые числа на входы сети, мы получаем какой-то набор чисел на выходах сети. Таким образом, работа неиросети состоит в преобразовании входного вектора X в выходной вектор Y, причем это преобразование задается весами сети. [31]
Рассмотрим функционирование МНС как совокупности взаимосвязанных элементарных элементов ( нейронов) с математической точки зрения. Каждый структурный элемент МНС получает на входе вектор сигналов ф, вычисляет его скалярное произведение на вектор весовых коэффициентов нейрона W и некоторую функцию F в выходной сигнал у. Результат поступает на входы других нейронов или на выход. Таким образом, нейронные сети вычисляют суперпозиции функций одного переменного и их линейные комбинации. Для обоснования возможности использования МНС в качестве моделей динамических систем нужно получить ответ на вопрос: можно ли произвольную непрерывную функцию п переменных получить с помощью операций сложения, умножения и суперпозиции функций одного переменного. [32]
Как правило, почти все НС представляют собой совокупность нейронов, связанных между собой определенным образом. Каждый нейрон имеет несколько входов и один выход. Сигналы с выхода нейрона могут поступать на вход другого нейрона или являться выходом НС. [33]
В некотором смысле практически каждый нейрон ведет себя как хеморецеп-тор: в ответ на химическую стимуляцию в синапсах он генерирует электрический сигнал. Этот электрический эффект может плавно изменяться в соответствии с интенсивностью стимула. Для передачи сигналов на большие расстояния величина электрического сигнала на входе нейрона кодируется частотой импульсного разряда на выходе. Обычно клетка способна адаптироваться, ослабляя ответ на постоянный стимул, и в то же время генерировать сильный выходной сигнал при изменении силы раздражителя. [34]
Внешнее раздражение воспринимается рецепторами. Каждый рецептор связан с одним или несколькими нейронами преобразующего слоя. Выходы преобразующих ( ассоциативных) нейронов, в свою очередь, соединяются с входами нейронов третьего слоя. Нейроны этого слоя - реагирующие - тоже имеют несколько входов и один выход, который возбуждается, если суммарная величина входных сигналов превосходит порог срабатывания. В отличие от нейронов второго слоя, где суммируются сигналы с одним и тем же коэффициентом усиления ( но, возможно, с разными знаками), для реагирующих нейронов коэффициенты суммирования различны по величине и, вероятно, по знаку. [35]
 |
Классификация ИНС. [36] |
Наиболее распространенным семейством сетей прямого действия являются многослойные перцептроны, в них нейроны расположены слоями и соединены однонаправленными связями, идущими от входа к выходу сети. Сети прямого действия являются статическими в том смысле, что на заданный вход они вырабатывают одну совокупность выходных значений, не зависящих от предыдущего состояния сети. Рекуррентные сети являются динамическими, так как в силу обратных связей в них модифицируются входы нейронов, что приводит к изменению состояния сети. [37]
Каждый рецептор может находиться в одном из двух состояний: возбужденном или невозбужденном. В зависимости от характера внешнего раздражения в рецепторном слое образуется тот или иной набор импульсов, который, распространяясь по нервным путям, достигает слоя преобразующих нейронов. Здесь в соответствии с набором пришедших импульсов образуется набор импульсов второго слоя, который поступает на входы реагирующих нейронов. [38]
 |
Топология нейронной сети для возведения аргумента в пятую степень.| Топология нейронной сети для реализации ряда Маклорена на шесть членов. [39] |
Что же касается второго и третьего членов уравнения (7.18), то для их реализации необходимо по одному нейрону с функциями активации ф) и ф2 соответственно. Таким образом, вся подготовительная работа по синтезу схемы по уравнению (7.18) проведена. Выходы х, х2, х3, хл, х5, а также постоянный сигнал 1 необходимо подать на входы нейрона шестого слоя с коэффициентами синаптической связи а а2 а а4, а5, а0 соответственно. [40]
Сети могут быть конструируемыми или обучаемыми. В конструируемой сети число и тип нейронов, граф межнейронных связей, веса входов нейронов определяются при создании сети, исходя из решаемой задачи. Например, при конструировании сети Хопфилда [40], функционирующей как ассоциативная память, каждая входная последовательность из заранее определенного набора участвует в определении весов входов нейронов сети. После конструирования функционирование сети заключается в следующем. При подаче на входы частичной или ошибочной входной последовательности сеть через какое-то время переходит в одно из устойчивых состояний, предусмотренных при ее конструировании. При этом на входах сети появляется последовательность, признаваемая сетью как наиболее близкая к изначально поданной. [41]
Заметим, что усилители имеют прямой и инвертированный выходы. Это позволяет с помощью обычных положительных сопротивлений реализовывать и те случаи, когда веса должны быть отрицательными. На рис. 6.4 показаны все возможные сопротивления, при этом никогда не возникает необходимости присоединять как прямой, так и инвертированный выходы нейрона к входу другого нейрона. [42]
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. [43]
Нейронно-сетевой подход реализуется с помощью нейронных сетей, являющихся мощнейшим инструментом поиска закономерностей, прогнозирования, качественного анализа. Нейронные сети представляют собой самообучающиеся системы, имитирующие деятельность человеческого мозга. Они так же, как и мозг человека, состоят из большого числа связанных между собой однотипных элементов-нейронов, которые имитируют нейроны головного мозга. Искусственный нейрон состоит из синапсов, связывающих входы нейрона с ядром, ядро нейрона, которое осуществляет обработку входных сигналов, и аксона, который связывает нейрон с нейронами следующего слоя. Каждый синапс имеет вес, который определяет, насколько соответствующий вход нейрона влияет на его состояние. Многослойная нейронная сеть характеризуется топологией, свойствами узлов ( единичных нейронов), а также правилами обучения или тренировки для получения желаемого выходного сигнала. Каждый нейрон произвольного слоя связан со всеми аксонами нейронов предыдущего слоя или, в случае первого слоя - со всеми входами нейронной сети. [44]
 |
Функции переноса искусственных нейронов. a - линейная. б - ступенчатая. в - сигмоидальная. [45] |
Страницы: 1 2 3 4