Рост активности в области теории и технической реализации искусственных нейронных сетей. Основные архитектуры нейронных сетей, их общие и функциональные свойства и наиболее распространенные алгоритмы обучения. Решение проблемы мертвых нейронов.
В работах Андерсона, Гроссберга, Кохонена, Хопфилда и др., выполненных в конце 70-х - начале 80-х годов, были разработаны более сложные и гибкие архитектуры сетей, составленных из нейроподобных элементов, и изучены функциональные возможности таких систем.Для обучения предоставлялась первоначальная информация о предметной области в виде набора входных векторов Хч и им соответствующих выходных векторов Dq - своего рода подсказок, с использованием которых сеть обучалась давать правильные ответы на задаваемые вопросы. 3.33, имеет один слой из нейронов, каждый из которых соединен с TV входами. Первоначально значения компонент векторов Wi задаются датчиком случайных чисел, а компоненты входного вектора X подвергаются нормализации путем деления каждой из них на длину самого вектора X. Нейрон, у которого вектор синаптических весов Wt оказался ближе всего к входному вектору X, будем называть нейроном-победителем, а его номер обозначим через w, т.е. нейрон-победитель имеет порядковый номер i = w. В результате такого обучения каждой отдельной группе близких между собой входных векторов Xq, называемой кластером, будет соответствовать один единственный нейрон, который в ходе обучения для этих векторов был победителем, причем его синаптический вектор в результате итерационного процесса окажется в центре этого кластера.В процессе изучения темы «Самообучающиеся и гибридные сети» мы ознакомились со следующими вопросами: - моделями обучения;
План
СОДЕРЖАНИЕ
ВВЕДЕНИЕ
1 Самообучающиеся и гибридные сети
ЗАКЛЮЧЕНИЕ
ЛИТЕРАТУРА
Вывод
В процессе изучения темы «Самообучающиеся и гибридные сети» мы ознакомились со следующими вопросами: - моделями обучения;
- методами обучения;
Область приложения нейронных сетей значительна и расширяется.
Этот процесс идет по ряду направлений. К их числу можно отнести следующие: - поиск новых нелинейных элементов, которые могли бы реализовывать сложное коллективное поведение в ансамбле, - разработка новых архитектур нейронных сетей, перспективных с точки зрения их реализации на электронной, оптической и оптоэлектронной элементной базе, - поиск областей приложения нейронных сетей в системах управления, робототехнике, системах обработки изображений, распознавания речи.
Список литературы
1. Ясницкий Л. Н. Введение в искусственный интеллект : учеб. пособие для студ. высш. учеб. заведений Л. Н. Ясницкий. - 2-е изд., испр. - М. : Издательский центр «Академия», 2008.
Размещено на .ru
Вы можете ЗАГРУЗИТЬ и ПОВЫСИТЬ уникальность своей работы
