- •История развития теории искусственных нейронных сетей (инс).
- •Области применения инс.
- •Определение и структурная схема перцептрона, назначение элементов перцептрона.
- •Назначение и виды активационных функций инс.
- •Определение и структурная схема искусственной нейронной сети, элементы многослойной инс.
- •Понятие о числе параметров искусственной нейронной сети.
- •Способы организации, архитектуры и типы инс.
- •Способы обучения инс.
Определение и структурная схема перцептрона, назначение элементов перцептрона.
Перцептрон - математическая или компьютерная модель восприятия информации мозгом, предложенная Фрэнком Розенблаттом в 1958 году и впервые реализованная в виде электронной машины «Марк-1» в 1960 году. Перцептрон стал одной из первых моделей нейросетей, а «Марк-1» — первым в мире нейрокомпьютером.
S-элементов, A-элементов и одного R-элемента. S-элементы — это слой сенсоров или рецепторов. В физическом воплощении они соответствуют, например, светочувствительным клеткам сетчатки глаза или фоторезисторам матрицы камеры. Каждый рецептор может находиться в одном из двух состояний — покоя или возбуждения, и только в последнем случае он передаёт единичный сигнал в следующий слой, ассоциативным элементам.
A-элементы называются ассоциативными, потому что каждому такому элементу, как правило, соответствует целый набор (ассоциация) S-элементов. A-элемент активизируется, как только количество сигналов от S-элементов на его входе превысило некоторую величину {\displaystyle \theta }\theta [nb 5]. Таким образом, если набор соответствующих S-элементов располагается на сенсорном поле в форме буквы «Д», A-элемент активизируется, если достаточное количество рецепторов сообщило о появлении «белого пятна света» в их окрестности, то есть A-элемент будет как бы ассоциирован с наличием/отсутствием буквы «Д» в некоторой области.
Сигналы от возбудившихся A-элементов, в свою очередь, передаются в сумматор R, причём сигнал от i-го ассоциативного элемента передаётся с коэффициентом Этот коэффициент называется весом A—R связи.
Веса S—A связей могут иметь значения −1, +1 или 0 (то есть отсутствие связи). Веса A—R связей W могут быть любыми.
Назначение и виды активационных функций инс.
Активационные функции - определяют выходное значение нейрона в зависимости от результата взвешенной суммы входов и порогового значения.
Линейная функция - результат функции пропорционален переданному аргументу y
Сигмоидная - нелинейная, ее множества слоев так же обучает сеть методом распространения ошибки
гиперболическая
ступенчатая(скачкообрзная)
Определение и структурная схема искусственной нейронной сети, элементы многослойной инс.
Искусственная нейронная сеть - это имитация живого организма. Другими словами это математическая модель, а также ее программное или аппаратное воплощение, построенная по принципу нейронных клеток живого организма. Она преобразовывает большое количество сигналов в один выходной параметр.
Понятие о числе параметров искусственной нейронной сети.
Тренировочный сет — это последовательность данных, которыми оперирует нейронная сеть. Общее количество исходов нейронной сети.
Это общее количество тренировочных сетов пройденных нейронной сетью.
Чем больше эпоха, тем лучше натренирована сеть и соответственно, ее результат. Эпоха увеличивается каждый раз, когда мы проходим весь набор тренировочных сетов. (Когда нейронная сеть проходит несколько этапов итераций).
Может не то, но
Нейронная сеть состоит из:
Аксоны
Синапсы
Нейронные клетки