Программирование - это просто
Advertisement
Главная arrow Искусственный интеллект arrow Теория нейронных сетей arrow Теория нейронных сетей. Урок 3. Типы нейронных сетей
19.10.2018 г.
Главное меню
Главная
Системный подход
Интернет магазин
Биржевые роботы
Программные продукты
Математика и информатика
1С:Предприятие
C#, Delphi, VB, F#, Web и пр.
Искусственный интеллект
Услуги
Ча. Во. (FAQ)
Платный раздел
Наука для чайников
Разное
Размышления
Карта сайта
Друзья сайта
Excel-это не сложно
Все о финансах
Теория нейронных сетей. Урок 3. Типы нейронных сетей Печать E-mail
Автор megabax   
24.03.2013 г.
New Page 1

Теория нейронных сетей. Урок 3. Типы нейронных сетей

ИНС (Искусственная нейронная сеть) состоит из большого числа связанных НЭ (нейронных элементов, нейронов). Ее структура представляет собой направленный граф, в котором вершины - НЭ, дуги - связи между ними. Дуга, направленная от НЭ с номером j к элементу с номером i, имеет весовой коэффициент wij.

Нейросети бывают следующих типов:

  • Однослойные с прямыми связями.

  • Многослойные с прямыми связями.

  • Однослойные с обратными связями (рекуррентные).

  • Многослойные рекуррентные.

Связи входов с соответствующими нейронами могут быть заданы матрицей:

Теория нейронных сетей. Урок 3. Типы нейронных сетей

Графически однослойные нейросети можно представить в виде схемы:

Теория нейронных сетей. Урок 3. Типы нейронных сетей

Однослойную нейронную сеть можно, например, применять для распознавания различных символов. Вот тут описано применение нейронной сети для распознавания цифр.

Однослойные нейросети имеют ряд ограничений:

  • Линейная разделимость классов.  Тоесть, нейрон способен отделить (иметь различный выход) только такие два множества векторов входов, для которых имеется гиперплоскость, отсекающая одно множество от другого. Такие множества называют линейно разделимыми.

  • При возрастании числа аргументов ситуация еще более катастрофична: относительное число функций, которые обладают свойством линейной разделимости резко уменьшается. А значит и резко сужается класс функций, который может быть реализован персептроном (так называемый класс функций, обладающий свойством персептронной представляемости).

Подробно мы рассмотрим эти ограничения в будущих уроках, а сейчас познакомимся с другими типами нейронных сетей.

Многослойная нейронная сеть:

Теория нейронных сетей. Урок 3. Типы нейронных сетей

Для определения реакции многослойной сети применяем формулу расчета для каждого слоя последовательно.

Еще есть однослойные и многослойные сети с обратными связями. Их суть в том, что сигналы с выходов подаются на входы:

Теория нейронных сетей. Урок 3. Типы нейронных сетей

Если обратные связи действуют в пределах одного слоя, то они называются латеральными. Часто используют нейросети с латеральным торможением. Обычно свзяи, находящиеся близко от НЭ, являются возбуждающими, а на некотором удалении - тормозящими (белые кружочки - возбуждение, красные - торможение):

Теория нейронных сетей. Урок 3. Типы нейронных сетей

 

Последнее обновление ( 24.03.2013 г. )
 
« След.   Пред. »
 
© 2018 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
Мы принимаем
Банковские карты
Оплатите покупку в интернет-магазине банковскими картами VISA и Mastercard любого банка.
узнать больше
Электронный кошелек
Моментальная оплата покупок с помощью вашего электронного кошелька RBK Money.
узнать больше
Банковский платеж
Оплатите покупку в любом российском банке. Срок зачисления средств на счет - 3-5 рабочих дней.
узнать больше
Денежные переводы
Оплата покупок через крупнейшие системы денежных переводов CONTACT и Unistream.
узнать больше
Почтовые переводы
Оплатите покупку в любом отделении Почты России. Срок зачисления платежа - 3-4 рабочих дня.
узнать больше
Платежные терминалы
Оплата покупок в терминалах крупнейших платежных систем в любом городе России - быстро и без комиссии.
узнать больше