Анализ принципов обучения нейронных сетей, их классификация. Описание алгоритмов обучения искусственных нейронных сетей: правило Хебба и Кохонена, дельта-правило, обратного распространения ошибки, стохастические алгоритмы, машины Больцмана и Коши.
Аннотация к работе
Архитектура нейронных сетей 1. Особенности обучающихся нейронных сетей В основе современной теории нейронных сетей лежат множества представлений о работе нервной системы. Основным из них является следующее: правила модификации локальны, т.е. изменение состояния каждого пластического элемента обусловлено только его текущим состоянием и активностью сети в точке ее локализации, а также, возможно, от некоторого диффузионного управляющего сигнала, одинакового для всех пластических элементов. нейронный сеть обучение алгоритм Дадим краткое описание структурных и функциональных особенностей обучающихся НС, при построении которых реализованы эти принципы. Активность НС Единственным выходным сигналом нейрона в процессе обучения является импульсивная активность клетки. (4.4) Второе слагаемое соответствует вкладу в энергию кристалла внешнего силового поля, которое имитируется в НС внешним синаптическим возбуждением и смещением. Допустим, что первоначально вес взят равным значению в точке А. Рассмотрим обобщенную классификацию подходов к обучению искусственных нейронных сетей. 1.