Особенности программирования модели формального нейрона и персептрона Розенблатта, алгоритм и правило Хебба. Искусственный нейрон с активационной сигмоидальной логистической функцией. Персептронная система распознания изображений и сетевой поверхности.
(Множество весов в совокупности обозначается вектором W.) Суммирующий блок, соответствующий телу биологического элемента, складывает взвешенные входы алгебраически, создавая выход, который мы будем называть NET. Если блок F сужает диапазон изменения величины NET так, что при любых значениях NET значения OUT принадлежат некоторому конечному интервалу, то F называется «сжимающей» функцией. У сетей, рассмотренных до сих пор, не было обратных связей, т. е. соединений, идущих от выходов некоторого слоя к входам этого же слоя или предшествующих слоев. Сети более общего вида, имеющие соединения от выходов к входам, называются сетями с обратными связями. Это можно записать как wij(n 1) = w(n) ?OUTI OUTJ, где wij(n) - значение веса от нейрона i к нейрону j до подстройки, wij(n 1) - значение веса от нейрона i к нейрону j после подстройки, ? - коэффициент скорости обучения, OUTI - выход нейрона i и вход нейрона j, OUTJ - выход нейрона j.
Вы можете ЗАГРУЗИТЬ и ПОВЫСИТЬ уникальность своей работы
