- •Основные функции различных частей головного мозга
- •Структура биологического нейрона. Взаимодействие нейронов с центральной нервной системой.
- •Формальный нейрон Мак-Каллока-Питса. Условие возбуждения формального нейрона.
- •Проблема «исключающего или». Способ решения проблемы
- •Обобщенная модель искусственного нейрона. Условие возбуждение нейрона.
- •Функция активации нейронов. Характеристика, основные типы.
- •7.Многослойные персептроны. Структура, решаемые задачи.
- •8. Обучение многослойных нейронных сетей.
- •9.Алгоритм обратного распространения
- •10.Проблемы при обучении нейронной сети
- •11.Задачи аппроксимации функции
- •12. Радиально-базисные сети. Структура, обучение.
- •13. Сеть Хопфилда. Структурирование устойчивости.
- •Область применения:
- •14.Нейронная сеть Кохонена.
- •15.Рекурентные нейронные сети
- •16.Построение нечеткой нейронной сети
- •Нейронные сети в задачах идентификации динамических объектов.
- •Преимущества нейроуправления. Структурные схемы нейросетевых сау.
- •Общая характеристика процедуры проектирования сау.
- •Реализация и применение нейронных сетей на практике.
9.Алгоритм обратного распространения
Особенность-обучение (подстройка весов) ведется послойно начиная с последнего слоя к первому.
1.
2. для последнего слоя
3.
4.
Особенность-сложность определения .
Другие методы:
-модифицированный метод
, инерция
приращение на каждом шаге с учетом знаний, высчитанных на предыдущих шагах обучения
-быстрый алгоритм обратного распространения
-метод сопряженных градиентов
-обучения на основе Δ-правил
10.Проблемы при обучении нейронной сети
В случае когда КН (количество неизвестных) много больше КУ (количество уравнений), т.е. сеть избыточна сложна возникает эффект переобучения когда в узлах интерполяции погрешность низкая, а в промежутках высокая.
11.Задачи аппроксимации функции
НС часто называют аппроксиматорами. В 1989г. Несколько авторов одновременно доказали что любую непрерывную функцию трех переменных любой степени точности можно реализовать с помощью трехслойной сети, имеющую достаточное кол-во нейронов в скрытом слое.
Y=F(X)
Кол-во уравнений(КУ)=R*m
Кол-во неизвестных(КН)=n*n2+n2*m
КУ=< КН ; R<= n*n2+n2*m= n2(n+m)
n2= (R*m)/ (n+m)
12. Радиально-базисные сети. Структура, обучение.
относятся к многослойным НС прямого распространения; они – универсальные аппроксиматоры, т.е. с их помощью можно сколь угодно точно аппроксимировать любую непрерывную функцию нескольких переменных.
Архитектура РБФ-сети влючает в себя три слоя нейронов. Первый (входной) слой выполняет распределительные функции. Второй (скрытый) слой осуществляет фиксирование нелинейное преобразование вектора входов X=(x1,x2,…,xn)T в новое пространство U=(u1,u2,…,up)T без использования настраиваемых весовых коэффициентов. Выходной сигнал объединяет полученные таким образом выходы нейронов скрытого слоя путем вычисления их линейной взвешенной комбинации.
Выходы описываются уравнениями
где X=(x1,x2,…,xn)T - входной вектор; - веса связей, (l=1,2,…p, i=1,2,…m); - смещение по i-му выходу сети. Функции - это функции активации нейронов скрытого слоя, определяемые как где - норма вектора ; - l-й вектор-эталон, задаваемый в качестве «центра» l-й области входных образов - радиальная базисная функция ( ) принимающая максимальное значение при нулевом значении аргумента и быстро убывающая при
Вид функции для l-го нейрона скрытого слоя:
Поскольку настраиваемые параметры сети линейно связаны с выходами , то они могут быть найдены методом наименьших квадратов. При этом минимизируется суммарная квадратичная ошибка сети
, приходим к системе (p+1)m линейных уравнений
При малом числе входов ( ) радиально-базисные сети обладают очевидными преимуществами над многослойными нейронными сетями, обеспечивая высокую точность аппроксимации любой непрерывной вектор-функции Y=F(X) (исп-ся для решения задач идентификации и управления). В то же время для больших значений n число требуемых базисных функций резко возрастает, необходимо тщательно выбирать расположение центров Сl базисных функций, что требует знания априорной информации о величине (уровнях) входных сигналов.