Основы теории сетей связей
Основой нейронных сетей является искусственный нейрон, схема которого показана на рис. 3. Искусственный нейрон имеет следующую структуру.
Рис. 3. Искусственный нейрон.
- Входные сигналы хi. Это данные, поступающие из окружающей среды или от других активных нейронов. Диапазон входных значений для различных моделей может отличаться. Обычно входные значения являются дискретными (бинарными) и определяются множествами {0,1} или {-1,1} либо принимают любые вещественные значения.
- Набор вещественных весовых коэффициентов wi. Весовые коэффициенты определяют силу связи между нейронами.
- Уровень активации нейрона ΣWiXi, который определяется взвешенной суммой его входных сигналов.
- Пороговая функция f, предназначенная для вычисления выходного значения нейрона путем сравнения уровня активации с некоторым порогом. Пороговая функция определяет активное или неактивное состояние нейрона.
Текущее состояние нейрона определяется, как взвешенная сумма его входов:
Выход нейрона есть функция его состояния:
y = f(s).
Нелинейная функция f называется активационной и может иметь различный вид.
Таблица 1.
Рис.4 а) функция единичного скачка; б) линейный порог (гистерезис);
в) сигмоид – гиперболический тангенс; г) сигмоид – формула (3)
Одной из наиболее распространенных является нелинейная функция с насыщением, так называемая логистическая функция или сигмоид (т.е. функция S-образного вида):
При уменьшении a сигмоид становится более пологим, в пределе при a=0 вырождаясь в горизонтальную линию на уровне 0.5, при увеличении a сигмоид приближается по внешнему виду к функции единичного скачка с порогом T в точке x=0. Из выражения для сигмоида очевидно, что выходное значение нейрона лежит в диапазоне [0,1].
Помимо этих свойств отдельных нейронов, нейронная сеть также характеризуется следующими глобальными свойствами.
- Топология сети – это шаблон, определяющий наличие связей между отдельными нейронами. Топология является главным источником индуктивного порога.
- Используемый алгоритм обучения.
- Схема кодирования, определяющая интерпретацию данных в сети и результатов их обработки.
Дата добавления: 2016-04-14; просмотров: 1241;