Программирование - это просто
Advertisement
Главная arrow Искусственный интеллект arrow Теория нейронных сетей arrow Теория нейронных сетей. Урок 1. Модель нейрона
08.10.2024 г.
Главное меню
Главная
Интернет магазин
Программные продукты
Биржевые роботы
Искусственный интеллект
Математика и информатика
1С:Предприятие
Уроки C#
Уроки Delphi
Уроки программирования
Web-программирование
Дизайн и графика
Компьютер для блондинок
Исходники
Статьи
Платный раздел
Рассказы про компьютеры
Хитрости и секреты
Системный подход
Размышления
Наука для чайников
Друзья сайта
Excel-это не сложно
Все о финансах
.
Теория нейронных сетей. Урок 1. Модель нейрона Печать E-mail
Автор megabax   
01.11.2012 г.
New Page 1

Теория нейронных сетей. Урок 1. Модель нейрона

Нейронные сети - это одно из перспективных направлений развития искусственного интеллекта. Здесь за основу взят принцип организации нервной системы живого существа. Теоретически, можно смоделировать даже мозг человека. Правда, практически это сделать в настоящее время не реально, так как мозг человека содержит 1011 нейронов. Каждый нейрон состоит из дендритов, сомы и аксонов:

Теория нейронных сетей. Урок 1. Модель нейрона

Дендриты - это ветвеобразные отростки, которые обеспечивают сбор информации от других нейронов или рецепторов. Тело нервной клетки называется сома. В ней происходят сложные биохимические процессы, благодаря которым происходят сложные нелинейные преобразования сигналов. Аксон - это отросток клетки, по которому выходной сигнал поступает на дендриты. Он разделяется на множество волокон. Место соединения аксонов с дендритом называется синапс.

Сигналы, распространяющиеся в биологической нейронной сети, представляют собой короткие электрические импульсы. Под их воздействием изменяется потенциал самих нейронов. В момент достижения им некоторой пороговой величины вырабатывается импульс, который распространяется вдоль аксона. Потенциал сомы снижается, нейрон разряжается. Через некоторое время нейрон может снова сформировать импульс. Если импульсы, попадая на синапс повышают потенциал сомы, то это возбуждающий сигнал, если к понижению - тормозящий.

При построении искусственной нейронной сети (ИНС), данную модель, как правило упрощают. В настоящее время существуют несколько моделей нейронов. И так, рассмотрим модель Маккаллоха и Питтса:

Теория нейронных сетей. Урок 1. Модель нейрона

которая выражается формулой:

Теория нейронных сетей. Урок 1. Модель нейрона

где g() - функция преобразования нейрона, θi - пороговое значение, n - количество входов нейрона. Для модели нейронной сети Маккаллоха - Питтса функцию g() можно выразить формулой:

Теория нейронных сетей. Урок 1. Модель нейрона

Эта функция так же называется функцией Хэвисайда H(u).

Таким образом, если сумма входов, помноженных на коэффициенты, превышает  θ, то на выходе нейрона мы получим 1, в противном случае 0. Стоит заметить, что выходной сигнал нейрона может меняться только в дискретные моменты времени.

Функция, определяющая способ объединения входных признаков называется сетевой или базовой функцией. Она обозначается net. Сейчас мы разобрали лишь частный случай такой функции:

Теория нейронных сетей. Урок 1. Модель нейрона

На самом деле, сетевые функции и функции преобразования нейрона могут быть разные. Но об этом мы поговорим на следующем уроке.

Последнее обновление ( 01.11.2012 г. )
 
« След.
 
© 2024 Программирование - это просто
Joomla! - свободное программное обеспечение, распространяемое по лицензии GNU/GPL.
Русская локализация © 2005-2008 Joom.Ru - Русский Дом Joomla!
Design by Mamboteam.com | Powered by Mambobanner.de
Я принимаю Яндекс.Деньги