Выход - нейрон
Cтраница 4
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. [46]
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. [47]
 |
Однослойная сеть с обратными связями. Пунктирные линии обозначают нулевые веса. [48] |
Состояние сети - это просто множество текущих значений сигналов OUT от всех нейронов. Так как выходом бинарного нейрона может быть только ноль или единица ( промежуточных уровней нет), то текущее состояние сети является двоичным числом, каждый бит которого является сигналом OUT некоторого нейрона. [49]
Решением является упорядоченное множество из п городов. Каждый город представлен строкой из п нейронов. Этот равный единице выход нейрона показывает порядковый номер, в котором данный город посещается при обходе. На рис. 6.6 показан случай, когда город С посещается первым, город А - вторым, город D - третьим и город В - четвертым. Для такого представления требуется и2 нейронов - число, которое быстро растет с увеличением числа городов. Так как каждый город посещается только один раз и в каждый момент посещается лишь один город, то в каждой строке и в каждом столбце имеется по одной единице. Для задачи с п городами всего имеется п различных маршрутов обхода. Если п 60, то имеется 6934155x1078 возможных маршрутов. Если принять во внимание, что в нашей галактике ( Млечном Пути) имеется лишь 1011 звезд, то станет ясным, что полный перебор всех возможных маршрутов для 1000 городов даже на самом быстром в мире компьютере займет время, сравнимое с геологической эпохой. [50]
 |
Формальное представление искусственного нейрона.| Многослойная нейронная сеть прямого распространения. [51] |
Из отдельных нейронов строятся НС различных архитектур. Такая НС состоит из слоя входных узлов, скрытых слоев и выходного слоя, соединенных последовательно в прямом направлении и не содержащих связи между нейронами внутри каждого слоя и обратных связей между слоями. Выходом НС считается выход нейронов последнего слоя. Нейроны каждого слоя, в общем виде, могут иметь различные функции активации. [52]
В результате расщепления вместо исходного нейрона в сеть вводятся два новых нейрона. Величины весов связей выходов новых нейронов и нейронов следующего слоя равны половине величин весов связей исходного нейрона с соответствующими весами следующего слоя. Упрощенный алгоритм, как и исходный, гарантирует, что функция ошибки после расщепления увеличиваться не будет. [53]
Для обучения блока поведения применялся вариант метода обратного распространения ошибки, названный комплементарным методом обратного распространения ошибки. Ошибка на выходе каждого нейрона блока поведения определяется по выходу данного нейрона и сигналу обучения от блока оценки действий. В соответствии с ошибками на выходах нейронов корректируются веса синапсов нейронов, аналогично тому, как это происходит в обычном методе обратного распространения ошибок. [54]
 |
Персептронная система распознавания изображений. [55] |
На рис. 2.10 показана такая персептронная конфигурация. Допустим, что вектор X является образом распознаваемой демонстрационной карты. Если сумма превышает порог 0, то выход нейрона Y равен единице ( индикатор зажигается), в противном случае он - ноль. [56]
При существенном отличии векторов X и Z выходной вектор Y будет содержать много нулей в компонентах, где вектор X содержит единицы. Это означает, что установленный вектор Z не является искомым, и возбужденный нейрон в слое распознавания должен быть заторможен схемой определения сходства векторов. Процедура торможения заключается в установке в нуль выхода возбужденного нейрона в процессе текущей классификации. [57]
 |
Процесс обучения нейронной сети. [58] |
При предъявлении изображения каждой буквы на входе сеть выдает некоторый ответ, не обязательно верный. Известен и верный ( желаемый) ответ. В данном случае желательно, чтобы на выходе соответствующего нейрона уровень сигнала был максимален. Обычно в качестве желаемого в задаче классификации берут набор, где 1 стоит на выходе этого нейрона, а О - на выходах всех остальных нейронов. [59]
В перестроив имеется один слой искусственных нейронов, на каждый из которых подаются все входные сигналы а ( со своими весами Wjj. Такая искусственная нейронная сеть называется однослойной. Схема этой сети достаточно проста, в ней отсутствуют обратные связи с выходов нейронов на их входы, но в этом и ее сила. Розенблатт доказал очень важную теорему о том, что персептрон можно обучить всему, что он способен представить. [60]
Страницы: 1 2 3 4 5