Простейшие однослойные и двухслойные нейронные сети

№ п/п	Тип сети	Число слоев	Обучаемые параметры
1	Competitive	1	IW {1, 1}, b {1}
2	Cascade- forward backprop	2	IW {1, 1}, b {1}, LW {2, 1}, IW {2, 1}, b {2}
3	Elman backprop	2	IW {1, 1}, b {1}, LW {2, 1} , b {2}, LW {1, 1}
4	Feed-forward backprop	2	IW {1, 1}, b {1}, LW {2, 1} , b {2}
5	Time delay backprop	2	IW {1, 1}, b {1}, LW {2, 1} , b {2}
6	Perceptron	1	IW {1, 1}, b {1}
7	Competitive	1	IW {1, 0}, b {0}
8	Cascade- forward backprop	2	IW {1, -2}, b {2}, LW {2, 1}, IW {2, 1}, b {2}
9	Elman backprop	2	IW {1, -2}, b {2}, LW {2, 1} , b {2}, LW {1, 1}
10	Feed-forward backprop	2	IW {1, -2}, b {2}, LW {2, 1} , b {2}
11	Time delay backprop	2	IW {1, -2}, b {2}, LW {2, 1} , b {2}
12	Perceptron	1	IW {1, 0}, b {0}
13	Feed-forward backprop	2	IW {1, 2}, b {2}, LW {2, 1} , b {2}
14	Time delay backprop	2	IW {1, 2}, b {2}, LW {2, 1} , b {2}
15	Perceptron	1	IW {1, 2}, b {-2}

Примечания:

• Сеть 5 допускает введение линий задержек на входе.

• Сеть 3 допускает введение линий задержек в слое.

• Сети с двумя слоями имеют последовательную структуру, когда выход первого слоя служит входом второго слоя. Исключение составляют сети 3, которые допускают наличие обратной связи в первом слое и передачу входного сигнала на входы обоих слоев.

Контрольные вопросы

1. Объясните свойства нейрона как преобразователя информации;

2. Объясните влияние функции активации на выходной сигнал;

3. Как влияет выбор начальных значений настраиваемых параметров нейронной сети на скорость обучения;

4. Объясните особенности работы с соответствующими окнами. Какие поля включены в эти окна.

Л И Т Е Р А Т У Р А

1. Медведев В.С., Потемкин В.Г. Нейронные сети. MATLAB6 / Под общ.ред.к.т.н.В.Г.Потемкина. – М.:ДИАЛОГ – МИФИ, 2002. – 496с.

2. Дьяконов В.; Круглов В. Математические пакеты расширения MATLAB .Специальный справочник. – СПб.: Питер, 2001. – 480с.

3. Методы робастного, нейро-нечеткого и адаптивного управления: Учебник / Под ред. Н.Д.Егупова. – М.: Изд-во МГТУ им. Н.Э. Баумана, 2002. – 744 с.

Приложение 3.1

Окно Create New Data. Это окно включает 2 области редактирования текста для записей имени вводимых данных (область Name) и ввода самих данных (область Value), а также 6 кнопок для указания типа вводимых данных.

Различают следующие типы данных:

• Inputs (Входы) – последовательность значений входов;

• Targets (Цели) – последовательность значений цели;

• Input Delay States (Состояния ЛЗ входа) – начальные условия линии задержки на входе;

• Layer Delay States (Состояния ЛЗ слоя) – начальные условия линии задержки в слое;

• Outputs (Выходы) – последовательность значений выхода сети;

• Errors (Ошибки) – разность значений целей и выходов.

Как правило, пользователь задает только последовательности входа и цели, то есть типы данных Inputs и Тargets. При этом следует помнить, что при адаптации нейронной сети данные должны быть представлены в виде массива ячеек. Окно Create New Network включает поля для задания параметров создаваемой сети.

Продолжение описания полей.

• Input ranges (Диапазоны входа) - допустимые границы входов, которые либо назна­чаются пользователем, либо определяются автоматически по имени входной последова­тельности, выбираемой из списка Get from Inp... .

• Training function (Функция обучения) - список обучающих функций.

• Adaption learning function (Функции настройки для режима адаптации) - список функций настроек.

• Performance function (Функция качества обучения) - список функций оценки качества обучения.

• Number of layers (Количество слоев) - количество слоев нейронной сети.

• Properties for (Свойства) - список слоев: Layer 1 (Слой 1), Layer 2 (Слой 2).

• Number of neurons (Количество нейронов) - количество нейронов в слое.

• Transfer function (Функция активации) - функция активации слоя.

Диалоговая панель Network открывается только в том случае, когда в окне Network/Data Manager выделена созданная сеть и становятся активными кнопки View, Initialize, Simulate, Train, Adapt.

Панель имеет 6 закладок:

• View (Просмотреть) - структура сети;

• Initialize (Инициализация) - задание начальных весов и смещений;

• Simulate (Моделирование) - моделирование сети;

• Train (Обучение) - обучение сети;

• Adapt (Адаптация) - адаптация и настройка параметров сети;

• Weights (Веса) - просмотр установленных весов и смещений.

Особенности работы с соответствующими окнами будут рассмотрены на приведен­ных ниже примерах создания конкретных нейронных сетей.

Приложение 1.1