Обработка информации в нейронных сетях.

Приведем несколько главных понятий, относящихся к обработке в нейронных сетях.

Входы. Каждый вход соответствует простому атрибуту. Например, если задача состоит в решении: одобрить или не одобрить заем, такими атрибутами могут быть уровень дохода претендента, его возраст, владение недвижимостью. Численное значение и представление атрибута является входом в сеть. В качестве входов могут быть использованы также такие типы данных, как текст, иллюстрации или голос. Тогда может понадобиться предварительная обработка.

Выходы. Выходом сети является решение задачи. Например, в случае с задачей о займе, это может быть «да» или «нет». ИНС присваивают числовые значения, такие как +1 для «да» и 0 для «нет». Целью сети являются вычисление значений выхода. Часто требуется последующая обработка данных. Например, если некоторые сети используют два выхода, один для да и другой для нет, то что означает два ответа: 0,8 для да и 0,4 для нет?

Веса. Ключевыми элементами ИНС является вес. Веса выражают относительную силу (или математическое значение) начальных входных данных или различные связи, которые передают данные от слоя к слою. Другими словами, веса выражают относительную важность каждого входа для обрабатывающего элемента.

Веса являются решающими: через повторяемые регулировки весов, которые обучают сеть.

Суммирующая функция находит взвешенную сумму всех входных элементов, входящих в каждый обрабатывающий элемент. Суммирующая функция умножает каждое входное значение (Х_i) на его вес (W_i) и суммирует их для определения взвешенной суммы Y.

Формула для n входов в одном обрабатывающем элементе (рис.6.6.а)

Для j-го нейрона нескольких обрабатывающих элементов (рис.6.6б)

Рис. 6.6. Суммирующая функция для простого нейрона (а) и нескольких нейронов (б).

Преобразующая (передаточная) функция вычисляет внутреннее возбуждение или активацию уровня нейрона. Основанный на этом уровне нейрон может (или не может) производить выход. Отношение между уровнем внутренней активации и выходом может быть линейным или нелинейным. Такое отношение выражается преобразующей (передаточной) функцией и существует несколько ее типов. Выбор специальной функции определяет действия сети.

Одной из известных нелинейных передаточных функций является сигмоидальная функция

где Y_t – преобразованное (или нормализованное) значение Y (см. рис.6.7).

Целью этого преобразования является видоизменение уровней выходных данных в приемлемых значениях обычно, между 0 и 1. Это преобразование делается перед тем, как выходной сигнал достигнет следующего уровня. Без такого преобразования значение выходной величины может быть очень большим, особенно когда существует несколько уровней нейронов.

Иногда вместо передаточной функции используется пороговое значение. Например, какое-то значение 0,5 или менее изменено до0; какое-то значение выше 0,5 изменено до 1.

Рис.6.7. Пример функций в ИНС.

Преобразование может происходить на выходе каждого обрабатывающего элемента или выполняться в последнем выходном уровне сети.