18.Определение искусственной нейронной сети (инс). Однослойный и многослойный персептроны [1/1].

ИНС – это множество нейронов соединенных определенным образом между собой. При этом:

1) Выделяют 3 типа нейронов:

– Входные

– Выходные

– Промежуточные

2) Функции активации считаются неизмененными в работе сети.

3) Веса являются параметрами сети и корректируются, т.е. изменяются для достижения сетью некоторой поставленной цели.

Модели ИНС:

1) Однослойный персептрон Ф. Розенблатта

Задача персептрона – классификация вектора X классом Y (_;Y=[y₁…y_m]). Модель способна обучаться распознаванию простых зрительных образов.

2) Многослойный персептрон – ИНС, в которой имеется несколько слоев нейронов с настраиваемыми весами связи.

Вкаждом слое может быть различное количество элементовL_k. Нейроны выходного слоя принимают синаптические сигналы от нейронов предыдущего слоя. Нейроны в пределах одного слоя не соединяются между собой.

U^k_j – значение выходного сигнала j k-го слоя.

1 слой: U¹=x

2 слой:

k-ый слой:

Выходной слой:

19. Классификация инс. Задачи, решаемые с помощью нейронных сетей [1/2].

1) Выделяют 3 основных типа сетей (по топологии):

a) Полносвязные сети. Каждый нейрон передает свой входной сигнал остальным нейронам, в том числе и самому себе. Все входные сигналы подаются всем нейронам. Сеть Хопфильда.

б) Многослойные сети – нейроны объединяются в слои.

Выделяют сети:

– без обратной связи – нейрон входного слоя получает входной сигнал, преобразует его и передают нейрону одного скрытого слоя вплоть до выходного. Нейроны могут связываться через один или несколько слоев. Среди многослойных сетей различают: полносвязные сети и частично-полносвязные. Классический вариант: полносвязные сети прямого распространения.

– с обратной связью – информация с последующих слоев передется на предыдущий. Среди них выделяют: слоисто-стоциклистические, слоисто-полносвязные, полносвязно-слоистые.

Сеть Элмана: частично рекуррентные сети с обратными связями.

Сеть Жордана: частично рекуррентная, слоистая.

в) Слабосвязные НС. Нейроны располагаются в узлах прямоугольной (гексогональной) решетки. (Пример, Сети Кохонена, самоорганизующиеся карты).

*19. Классификация ИНС. Задачи, решаемые с помощью нейронных сетей [2/2].

2) Классификация по типу структур нейронов:

– гомогенное (однородное) состоят из нейронов одного типа с единой функцией активности.

– гетерогенная нейросеть состоит из нейронов с различными функциями активации.

3) Классификация по видам сигналов:

– бинарные сети

– аналоговые сети

4) По методу обучения:

– Обучение с учителем

– Обучение без учителя

– Смешанное

Классы задач решаемых НС:

1) Классификация (распознавание образов).

2) Кластеризация.

3) Аппроксимация функции. Формируется набор пар которые генерируются функцией. Требуется найти вид функции, удовлетворяющих некоторым критериям. ИНС – универсальны аппроксиматор.

4) Прогнозирование.

Пример: Дано . Требуется найти:y(t_n+1).

5) Оптимизация – применяется в задачах, если поиск решения очень большой.

6) Ассоциативная память позволяет считать содержание по частично искаженному представлению занесенных данных.