- •Введение
- •1. Аналитические технологии
- •1.1. Определение аналитических технологий.
- •1.2. Традиционные технологии
- •1.3.Новые технологии
- •2. Искусственные нейронные сети
- •2.1. Принципы работы мозга
- •2.2. Искусственная нейронная сеть
- •2.3 Принципы обучения искусственной нейронной сети
- •2.4. Сбор данных для нейронной сети
- •2.5. Переобучение и обобщение
- •3. Модели нейронов и методы их обучения
- •3.1. Персептрон
- •3.2. Сигмоидальный нейрон
- •3.3. Нейрон типа «адалайн»
- •3.4. Инстар и оутстар Гроссберга
- •3.5. Нейроны типа wta
- •3.6. Модель нейрона Хебба
- •3.7. Стохастическая модель нейрона
- •4.Алгоритмы обучения искусственных нейронных сетей
- •Многослойный персептрон
- •Алгоритм обратного распространения ошибки
- •Стохастические алгоритмы обучения искусственных нейронных сетей
- •Настройка числа нейронов в скрытых слоях многослойных сетей в процессе обучения
- •Виды искусственных нейронных сетей
- •5.1. Линейные сети
- •5.2. Радиальные нейронные сети
- •5.3. Сети с самоорганизацией на основе конкуренции
- •5.4. Модели ассоциативной памяти
- •5.5. Когнитивные карты
- •Способы внедрения новых аналитических технологий
- •Заключение
- •Список литературы
3.4. Инстар и оутстар Гроссберга
Нейроны типа инстар и оутстар – это взаимодополняющие элементы. Инстар адаптирует веса сигналов, поступающих на сумматор нейрона, к своим входным сигналам, а оутстар согласовывает веса выходящих из нейронов связей, с узлами, в которых формируются значения выходных сигналов. Нейрон типа инстар был определен С.Гроссбергом [4]. На рис. 16 представлена структурная схема инстара.
Рисунок 16 – Структурная схема инстара
Сигналы
,
подаваемые с весовыми коэффициентами
на
вход i-го
инстара, суммируются в соответствии с
выражением
.
(17)
В
соответствии с функцией активации, на
выходе нейрона вырабатывается выходной
сигнал
,
равный
.
В инстаре применяется линейная функция
активации, и тогда
.
Обучение инстара производится по правилу
Гроссберга, где
- коэффициент обучения, значение которого
выбирается в интервале от 0 до 1. Результаты
обучения по методу Гроссберга в
значительной степени зависят от
коэффициента обучения
.
При выборе
веса
становятся равными значениям
уже
после первой итерации. Ввод очередного
входного вектора x
вызовет адаптацию весов к новому вектору
и абсолютное забывание предыдущих
значений. Выбор
приводит к тому, что в результате обучения
весовые коэффициенты
принимают усредненное значение обучающих
векторов x.
Натренированный инстар функционирует как векторный классификатор, сопоставляющий очередной поданный на его вход вектор с вектором, сформированным в процессе обучения. В случае максимального совпадения этих векторов реакция инстара будет максимальной.
Если инстар обучался на группе достаточно похожих векторов с , то его весовые коэффициенты примут значение, усредненное по этим векторам, и в режиме классификации он будет лучше всего реагировать на входные векторы, значения которых наиболее близки ксредним значениям векторов, входящих в обучающую группу.
Инстар может обучаться как с учителем, так и без него. При обучении без учителя в качестве значения принимается фактически значение выходного сигнала.
Рисунок 17 – Структурная схема оутстара
Оутстар
представляет собой комплементарное
дополнение инстара. Если инстар обучается
с целью распознавать вектор, подаваемый
на его вход, то оутстар должен генерировать
вектор, необходимый связанным с ним
нейронам. Структурная схема оутстара
представлена на рисунке 17. Нейрон –
источник высылает свой выходной сигнал
взаимодействующим
с ним нейронам, выходные сигналы которых
обозначены
.
Оутстар является линейным нейроном. Обучение состоит в таком подборе весов , чтобы выходные сигналы оутстара были равны ожидаемым значениям взаимодействующих с ним нейронов:
.
(18)
В режиме распознавания в моменты активации нейрона-источника оутстар будет генерировать сигналы, соответствующие ожидаемым значениям .
Отличительной особенностью нейронов типа инстар и оутстар заключается в том, что их весовые коэффициенты подстраиваются под входные или выходные векторы. Обучение может проводиться как с учителем, так и без него.
