1.3. Элементы искусственной нейронной сети. Основные определения

Основными функциональными элементами искусственной нейронной сети являются нейроподобные элементы и связи, определяющие топологию, силу и тип взаимодействия между ними. При этом характерно, что один искусственный нейрон может участвовать в представлении нескольких концепций обработки информации в сети и всякая концепция реализуется через группу искусственных нейронов.

При моделировании биологических нейронных систем в качестве стандартного базового блока искусственной нейронной сети обычно принимают процессорный элемент, называемый формальным или искусственным нейроном (ИН). ИН — это процессор специального вида, имеющий множество входов и единственный выход (рис. 1.2), который может ветвиться.

Рис.1.2. Искусственный нейрон

Каждый из входных сигналов, поступающих на вход ИН, является выходом другого нейрона. Каждый входной сигнал умножается на соответствующий весовой коэффициент, и все произведения суммируются, определяя уровень активации нейрона. Уровень активации далее, как правило, преобразуется активационной функцией и дает выходной сигнал нейрона.

Функциональное назначение ИН — прием входных сигналов, их преобразование и выработка выходного сигнала. На такой базе определяются его абстрактная структура и параметры.

Искусственные нейроны связаны между собой посредством межнейронных связей — элементов ИНС, через которые осуществляется их взаимодействие.

Каждая связь характеризуется динамическими параметрами — типом связи (возбуждающая или тормозящая) и силой связи, т.е. степенью влияния входных сигналов на выходной. Математический тип данных, пересылаемых по межнейронным связям, может выбираться произвольно.

Между каждыми двумя нейронами и могут быть установлены две направленные связи и . Они могут быть симметричными и несимметричными, в том числе равными между собой.

Установление весов связей может осуществляться различными способами.

Параметры ИН могут быть представлены как в дискретной, так и в непрерывной форме. Если передаточная функция ИН дискретна, то у ИН может иметься специальный вход, который называется входом активации. Сигналы активации поступают в этом случае от специального элемента ИНС — элемента-планировщика. ИН вырабатывает входные сигналы и значения параметров локальной памяти в дискретные моменты времени, определяемые входами активации. Передаточная функция ИН может вырабатывать два типа входных значений: для локальной памяти ИН и выходной сигнал ИН.

ИН и ИНС с аналоговой формой обработки информации рассматриваться не будут.

Передаточные функции принимаются, как правило, одинаковыми для всех ИН данного слоя ИНС. На рис. 1.3 представлены примеры возможных простейших передаточных функций ИН .

Передаточные функции ИН обычно имеют подфункции, которые используются на этапе обучения ИНС и служат для адаптации параметров ИН в процессе обучения. Эта адаптация обычно сводится к изменению значений переменных, хранящихся в локальной памяти ИН.

Выход ИН может иметь любое конечное число разветвлений, которые поступают на входы других ИН.

Рис.1.3. Простейшие передаточные функции ИН:

линейная (а); наклонная (б); сигмоидная (в)

ИН делят обычно на три класса:

• входные, получающие внешние сигналы;

• промежуточные, не взаимодействующие с внешней средой;

• выходные, выдающие сигнал во внешнюю среду.

Такое деление позволяет векторно описывать входные и выходные сигналы сети.

Входной вектор ИН может состоять из ряда подвекторов, например, , где — подвектор тормозящих входов, —подвектор возбуждающих входов, — подвектор запрещающих входов, — подвектор входов активации.