Пред.
След.
Макеты страниц
Распознанный текст, спецсимволы и формулы могут содержать ошибки, поэтому с корректным вариантом рекомендуем ознакомиться на отсканированных изображениях учебника выше Также, советуем воспользоваться поиском по сайту, мы уверены, что вы сможете найти больше информации по нужной Вам тематике ДЛЯ СТУДЕНТОВ И ШКОЛЬНИКОВ ЕСТЬ
ZADANIA.TO
§ 10.2. Структуры нейронных сетейОсновным элементом нейронных сетей является перцептрон — элемент с
где
а для несимметричного случая —
Зависимость (10.2.1) удобно представить в более компактной векторной форме
где
Рис. 10.1
Рис. 10.2 Структура перцептрона в форме (10.2.1) и (10.2.4), а также характеристики нелинейного преобразования для симметричного (10.2.2) и несимметричного (10.2.3) случаев показаны соответственно на рис. 10.1 — 10.4.
Рис. 10.3
Рис. 10.4 Перцептроны, образующие нейронную сеть, могут быть соединены друг с другом, вообще говоря, самым произвольным образом, образуя большое число всевозможных структур. Среди различных структур нейронных сетей наибольший интерес вызывают статические и динамические многослойные нейронные сети. Для этих сетей наиболее характерным является наличие слоистой структуры, в которой сигналы передаются от слоя с меньшим номером к ближайшему слою с большим номером, т. е. слои в такой структуре соединены последовательно. Входом первого слоя является внешнее воздействие на нейронную сеть, а выход последнего слоя является выходом всей нейронной сети. Слои состоят из перцептронов. Для статической многослойной нейронной сети в каждом слое перцептроны соединены параллельно, для динамической же многослойной нейронной сети выходы
Рис. 10.5 перцептронов в каждом слое через элементы запаздывания замкнуты обратной связью. На рис. 10.5 схематически изображена структура
Рис. 10.6 Статические многослойные нейронные сети служат для аппроксимации статических объектов, а динамические — для аппроксимации или построения моделей нелинейных динамических объектов. Далее рассматриваются только статические нейронные сети. Число перцептронов в каждом
где
Рекуррентное соотношение (10.2.5) позволяет достаточно просто вычислить сигнал на выходе нейронной сети
Весовые коэффициенты
Таким образом, (10.2.7) определяет уравнение нейронной сети. Нейронные сети могут служить настраиваемой моделью и использоваться для идентификации сложных нелинейных систем. Их можно рассматривать как обобщение настраиваемых нелинейных моделей, описанных в § 8.5.
|
1 |
Оглавление
|