Главная > Информационная теория идентификации
НАПИШУ ВСЁ ЧТО ЗАДАЛИ
СЕКРЕТНЫЙ БОТ В ТЕЛЕГЕ
<< Предыдущий параграф Следующий параграф >>
Пред.
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
140
141
142
143
144
145
146
147
148
149
150
151
152
153
154
155
156
157
158
159
160
161
162
163
164
165
166
167
168
169
170
171
172
173
174
175
176
177
178
179
180
181
182
183
184
185
186
187
188
189
190
191
192
193
194
195
196
197
198
199
200
201
202
203
204
205
206
207
208
209
210
211
212
213
214
215
216
217
218
219
220
221
222
223
224
225
226
227
228
229
230
231
232
233
234
235
236
237
238
239
240
241
242
243
244
245
246
247
248
249
250
251
252
253
254
255
256
257
258
259
260
261
262
263
264
265
266
267
268
269
270
271
272
273
274
275
276
277
278
279
280
281
282
283
284
285
286
287
288
289
290
291
292
293
294
295
296
297
298
299
300
301
302
303
304
305
306
307
308
309
310
311
312
313
314
315
316
317
318
319
320
321
322
323
324
325
326
327
328
329
330
331
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 сетей

Основным элементом нейронных сетей является перцептрон — элемент с входами и одним выходом которые связаны между собой зависимостью

где настраиваемый параметр перцептрона, момент времени воздействия входного сигнала на перцептрон, нелинейная характеристика перцептрона. Нелинейная характеристика для симметричного случая обычно описывается уравнением

а для несимметричного случая —

Зависимость (10.2.1) удобно представить в более компактной векторной форме

где векторы параметров и входов перцептрона, соответственно.

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 -слойной нейронной сети, а на рис. 10.6 показана (непрерывными линиями) структурная схема слоя статической сети. Динамическая сеть получается из статической введением обратной связи через элемент запаздывания на такт, которая показана на рис. 10.6 штриховыми линиями.

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 слое сети полагается равным следовательно, размерность вектора входа и выхода для слоя равна соответственно Размерность вектора входов всей нейронной сети полагается равной В соответствии со структурой слоя нейронной сети (рис. 10.6) связь между векторами входа и выхода У) задается соотношением

где

-матрица весовых коэффициентов 1-го слоя, столбцами которой служат векторы (размерности весовых коэффициентов перцептрона из слоя, а нелинейный оператор, преобразующий каждую компоненту вектора по формуле (10.2.2) либо (10.2.3).

Рекуррентное соотношение (10.2.5) позволяет достаточно просто вычислить сигнал на выходе нейронной сети

Весовые коэффициенты слоя сети задаются как матрицей весовых коэффициентов так и вектором весовых коэффициентов с; размерности

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
email@scask.ru