Модели иссукственного нейрона.
Что бы подчеркнуть различие биологических и исскуственных нейронов, их иногда называют нейроподобными или формальными нейронами, или узлами. Детерминированные модели нейронов. Ритсунок искусственного нейрона. Модель исскуственно нейрона представленные на рисунке можно выделить три основных набор синапсов или связей. В отличие от синапсов мозга синаптический вес иссукственного нейрона может иметь на положительное так отрицателтальный значения. Синаптические связи с положительными весями называются а возбуждаюшами, наоборот тормозящми. Сумматор, который складывает взодные сигналы взвешонные относительно соотсвествуюших синапсов нейрон. Эта операция может быть описана как линейная комбинация. Функция активации, передаточная или функция сжатия которая ограничивает амплитуду выходного сигнала нейрона. Нормализованный диапазон амплитуд находится в интервале (0-1)(-1 до 1). В математической модели нейрона на вход искусственного нейрона поступает некоторое количество сигналов, каждый входной сигнал умножается на соответсвуюший цвет, который моделтирует силу синаптичесвязи и все произведенияя суммруют определяяя уровень активации нейрона. Взвешанная сумма входных величин xi . здесь n входных каналов,затем сумма сравнивается с пороговой величиной W0(наз. Смешением или сдвигом или порогом ),аосле чего вступает в действие не линейная функция активаций а d результате получается выходной сигнал нейронов.Кофициэнты {Wi}рво взвешенной сумме (1) обычно называют синаптическими коффицентами ил весами.Выходной сигнал нейрона y,есть функция его состояния f(V).Величину порогового барьера W0 можно рассматривать как еще один коффицеэнт при постоянном входном канале. Эта величина отражает увеличение или уменьшение подавания на функцию акитиваций.В этом случае говорят о расширенном входном пространстве.Нейрон с n-мерным входом имеет n+1 весовой коффициэнт.V=суммаi=1 Wi*Xi+W0=(Wсверху,W0снизу).В зависимости от способа преобразования сигнала и харктеров функций активаций,возникают различные виды нейронных структур.Рассматривают Детерминированые нейроны и вероятностные нейроны.Состояние которых момент времени t есть случайные функций потенциала и состояния в момент времени t-1. Различают статические нейроны такие в которых сигнал передается без задержки и динамические нейроны нейроны где учитывается возможность таких задержек синапсы с запаздыванием.В случае активация одна и та же для всех нейронов,нейронная сеть наз. Однородной или гономогенной,если же функция активаций зависит от одного или несколько параметров,значение которых меняется от нейронов к нейрону,то нейронные сеть наз.неоднородный или гетерогенной.
Лекция №3 01.03.2012г
Функции активации f(V) могут быть различных видов:
1. Функция единичного
скачка или пороговой функции. Функция
хевисайда. Порог смешение или сдвиг.
2. Знаковая, сигнатурная
функция.
3. Линейная функция.
4. Полулинейная функция.
5.Полулинейная функция с насыщением.
6. Треугольная функция
7.Сигмаидальная функция. Функция S образного вида. Примерами служат логистическая функция, или сигмоид. Где б параметр наклона сигмаидальной функции.
8. Гиперболический тангентс.
9. Софт МАХ. Для учета
особенностей конкретной задачи могут
быть выбраны другие функции активации.
Например: Гаусова функция
Получив набор чисел на входе нейрон выдает некоторое число y на выходе, т.е. нейрон реализурет скалярную функцию некоторого аргумента.