Решение задач на тему: Искусственные нейронные сети. Параллели из биологии. Определение ИНС

Введение

- Нейрон обладает группой синапсов - однонаправленных входных связей, соединенных с выходами других нейронов. Каждый синапс характеризуется величиной синоптической связи или ее весом wi.

- Каждый нейрон имеет текущее состояние, которое обычно определяется, как взвешенная сумма его входов:

- Нейрон имеет аксон - выходную связь данного нейрона, с которой сигнал (возбуждения или торможения) поступает на синапсы следующих нейронов. Выход нейрона есть функция его состояния:

Функция f называется функцией активации.

Рис. 3 - Функция активации

Функция активации может иметь разный вид :

- пороговый ( рис. 3.а),

- кусочно-линейный ( рис. 3.б),

- сигмоид( рис. 3.в, 3.г ).

Множество всех нейронов искусственной нейронной сети можно разделить на подмножества - т.н. слои. Взаимодействие нейронов происходит послойно.

Слой искусственной нейронной сети - это множество нейронов на которые в каждый такт времени параллельно поступают сигналы от других нейронов данной сети

Выбор архитектуры искусственной нейронной сети определяется задачей. Для некоторых классов задач уже существуют оптимальные конфигурации. Если же задача не может быть сведена ни к одному из известных классов, разработчику приходится решать задачу синтеза новой конфигурации. Проблема синтеза искусственной нейронной сети сильно зависит от задачи, дать общие подробные рекомендации затруднительно. В большинстве случаев оптимальный вариант искусственной нейронной сети получается опытным путем.

Искусственные нейронные сети могут быть программного и аппаратного исполнения. Реализация аппаратная обычно представляет собой параллельный вычислитель, состоящий из множества простых процессоров.

Оглавление

- Введение

- Искусственные нейронные сети

- Параллели из биологии

- Определение ИНС

- Архитектура нейронной сети

- Сбор данных для нейронной сети

- Обучение

- Алгоритм обратного распространения

- Переобучение и обобщение

- Модели теории адаптивного резонанса

- Многослойный персептрон MLP

- Обучение многослойного персептрона

- Вероятностная нейронная сеть

- Обобщенно-регрессионная нейронная сеть

- Линейная сеть

- Сеть Кохонена

- Кластеризация

- Оценка качества кластеризации

- Процесс кластеризации

- Применение кластерного анализа