Характеристика особливостей побудови біологічних та штучних нейронних мереж. Вивчення їх активіаційних функцій: порогової бінарної, лінійної обмеженої, гіперболічного тангенса. Персептрони і зародження штучних нейромереж. Багатошарові нейронні мережі.
Коли сумарна активність (збудження) нейрона перевищує деякий поріг, нейрон переходить в активний стан, посилаючи по аксону (виходу нейрона) сигнал іншим нейронам. Кожен вхід множиться на відповідну вагу, аналогічну його синаптичній силі, і всі виходи підсумовуються, визначаючи рівень активації нейрона. Якщо вихід правильний - перейти на крок 4; інакше обчислити різницю D = YT - Y; модифікувати ваги за формулою: wij(e 1) = wij(e) ? D Хі, де wij(e) - значення ваги від нейрона i до нейрона j до налагодження, wij(e 1) - значення ваги після налагодження, ? - коефіцієнт швидкості навчання, Хі - вхід нейрона i, e - номер епохи (ітерації під час навчання). Це можна записати як wij(e 1) = w(e) ? OUTI OUTJ, де wij(e) - значення ваги від нейрона i до нейрона j до налагодження, wij(e 1) - значення ваги від нейрона i до нейрона j після налагодження, ? - коефіцієнт швидкості навчання, OUTI - вихід нейрона i та вхід нейрона j, OUTJ - вихід нейрона j; e - номер епохи (ітерації під час навчання). Шар V1 (рівень L=1): вектор V1k1; де k1=1..QV1; матриця ваг W1i,k1; різниця векторів D1k1; Шар V2 (L=2): вектор V2k2; де k2=1..QV2; матриця ваг W2k1,k2; різниця D2k2; Вихідний шар (L=3): стани його елементів записані у векторі Yj; j=1..QY; матриця ваг W3k2,j; різниця D3j; істинний вихід (true) описується вектором YTJ; j=1..QY.
Вы можете ЗАГРУЗИТЬ и ПОВЫСИТЬ уникальность своей работы
