Ћекции.ќрг


ѕоиск:




 атегории:

јстрономи€
Ѕиологи€
√еографи€
ƒругие €зыки
»нтернет
»нформатика
»стори€
 ультура
Ћитература
Ћогика
ћатематика
ћедицина
ћеханика
ќхрана труда
ѕедагогика
ѕолитика
ѕраво
ѕсихологи€
–елиги€
–иторика
—оциологи€
—порт
—троительство
“ехнологи€
“ранспорт
‘изика
‘илософи€
‘инансы
’ими€
Ёкологи€
Ёкономика
Ёлектроника

 

 

 

 


ћодель искусственного нейрона




ћатематическа€ модель нейрона (–ис.2.4.2) впервые была предложена ћаккалоком и ѕиттсом (Warren McCulloch and Walter Pitts) в 1943.

Ђћатематическийї нейрон вычисл€ет взвешенную сумму его входных сигналов , и генерирует выходное значение равное 1, если взвешенна€ сумма превышает некоторый заданный порог . ¬ противном случае . “аким образом, активационна€ функци€ математически записываетс€ следующим образом:

(2.13)

где - порогова€ функци€ с заданным порогом (рис.2.38) и - синаптический вес (synapse weight), св€занный с входом .

 

–ис. 2.38. ћодель искусственного нейрона

ѕримечание. јктивационную функцию называют также функцией активации или функцией срабатывани€, передаточной функцией.

„асто формула (2.13) записываетс€ как

, (2.14)

где и .

¬ход называетс€ Ђбайесовскимї входом (a bias). “аким образом, мы можем рассматривать (n +1) входов.

ƒополнительный вход x 0 и соответствующий ему вес используетс€ дл€ инициализации нейрона. ѕод инициализацией подразумеваетс€ смещение активационной функции нейрона по горизонтальной оси, то есть формирование порога чувствительности нейрона.

Ёта модель может быть расширена многими пут€ми, например, ввод€ различные функции активации так, как показано на рис. 2.39.

 

–ис. 2.39. –азличные функции активации »Ќ—

 

»так, искусственный нейрон (или м атематический нейрон ћаккалока-ѕиттса, или ф ормальный нейрон) Ч это узел »Ќ—, €вл€ющийс€ упрощЄнной моделью естественного нейрона. ћатематически, искусственный нейрон обычно представл€ют собой некоторую нелинейную функцию от единственного аргумента Ч линейной комбинации взвешенных входных сигналов. ѕолученный результат посылаетс€ на единственный выход.

ќт нейрона Ц к системе нейронов

»скусственные нейроны объедин€ют в сети Ч соедин€ют выходы одних нейронов с входами других. »Ќ— может рассматриватьс€ в виде взвешенного направленного графа (weighted directed graph), вершины которого представлены нейронами, а направленные дуги (с весами) описывают св€зи между нейронами. »Ќ— характеризуетс€ трем€ параметрами: типом нейронов, архитектурой (организацией св€зей между нейронами) и алгоритмом обучени€ в данной сети. ¬ насто€щее врем€ разработано большое множество моделей »Ќ—. ¬се они различаютс€ по следующим пунктам:

Ј тип нейрона и тип вычислени€ в нем;

Ј математическа€ модель дл€ представлени€ и обработки информации в сети, включа€ алгоритм обучени€;

Ј класс проблем, решаемых с помощью »Ќ—.

— учетом архитектуры »Ќ— могут быть разделены на два базисных класса:

Ј сети с пр€мым распространением сигнала (Feed-forward network), в структуре которых нет петель (циклов) и

Ј сети с обратным распространением сигнала или рекуррентные сети (Feedback network or Recurrent), в структуре которых есть циклы благодар€ наличию обратных св€зей.

Ќа рис. 2.40 показаны основные типы »Ќ—.

 

–ис. 2.40. “ипы »Ќ—

 

–азличные типы св€зей обуславливают различное поведение »Ќ—. Ђќтветї (реакци€) сети с пр€мой распространением сигнала на входную информацию не зависит от предыдущего состо€ни€ сети. –еакци€ сети с обратной распространением зависит от предыдущего состо€ни€ сети. –ассмотрим основные типы »Ќ—.





ѕоделитьс€ с друзь€ми:


ƒата добавлени€: 2016-12-05; ћы поможем в написании ваших работ!; просмотров: 470 | Ќарушение авторских прав


ѕоиск на сайте:

Ћучшие изречени€:

—лабые люди всю жизнь стараютс€ быть не хуже других. —ильным во что бы то ни стало нужно стать лучше всех. © Ѕорис јкунин
==> читать все изречени€...

477 - | 456 -


© 2015-2023 lektsii.org -  онтакты - ѕоследнее добавление

√ен: 0.008 с.