КАТЕГОРИЯ:


Астрономия- (809) Биология- (7483) Биотехнологии- (1457) Военное дело- (14632) Высокие технологии- (1363) География- (913) Геология- (1438) Государство- (451) Демография- (1065) Дом- (47672) Журналистика и СМИ- (912) Изобретательство- (14524) Иностранные языки- (4268) Информатика- (17799) Искусство- (1338) История- (13644) Компьютеры- (11121) Косметика- (55) Кулинария- (373) Культура- (8427) Лингвистика- (374) Литература- (1642) Маркетинг- (23702) Математика- (16968) Машиностроение- (1700) Медицина- (12668) Менеджмент- (24684) Механика- (15423) Науковедение- (506) Образование- (11852) Охрана труда- (3308) Педагогика- (5571) Полиграфия- (1312) Политика- (7869) Право- (5454) Приборостроение- (1369) Программирование- (2801) Производство- (97182) Промышленность- (8706) Психология- (18388) Религия- (3217) Связь- (10668) Сельское хозяйство- (299) Социология- (6455) Спорт- (42831) Строительство- (4793) Торговля- (5050) Транспорт- (2929) Туризм- (1568) Физика- (3942) Философия- (17015) Финансы- (26596) Химия- (22929) Экология- (12095) Экономика- (9961) Электроника- (8441) Электротехника- (4623) Энергетика- (12629) Юриспруденция- (1492) Ядерная техника- (1748) Arhitektura- (3434) Astronomiya- (809) Biologiya- (7483) Biotehnologii- (1457) Военни бизнесмен (14632) Висока technologies- (1363) Geografiya- (913) Geologiya- (1438) на държавата (451) Demografiya- ( 1065) Къща- (47672) журналистика и смирен (912) Izobretatelstvo- (14524) външен >(4268) Informatika- (17799) Iskusstvo- (1338) историята е (13644) Компютри- (11,121) Kosmetika- (55) Kulinariya- (373) културата е (8427) Lingvistika- (374) Literatura- (1642) маркетинг-(23702) математиците на (16968) Механична инженерно (1700) медицина-(12668) Management- (24684) Mehanika- (15423) Naukovedenie- (506) образователна (11852) truda- сигурност (3308) Pedagogika- (5571) Poligrafiya- (1312) Politika- (7869) Лево- (5454) Priborostroenie- (1369) Programmirovanie- (2801) производствено (97 182 ) индустрия- (8706) Psihologiya- (18388) Religiya- (3217) Svyaz (10668) Agriculture- (299) Sotsiologiya- (6455) на (42831) спортист строително (4793) Torgovlya- (5050) транспорт ( 2929) Turizm- (1568) физик (3942) Filosofiya- (17015) Finansy- (26596) химия (22929) Ekologiya- (12095) Ekonomika- (9961) Electronics- (8441) Elektrotehnika- (4623) Мощност инженерно ( 12629) Yurisprudentsiya- (1492) ядрена technics- (1748)

активиране Функции

Един от най-често срещаните функции на активиране е нелинейна функция активиране с насищане, т.нар логистична функция или сигмоидна (S-функция тип braznogo):

Когато намаляване на сигмоидна и става по-плоска, ограничението за = 0 се изроди в една хоризонтална линия на 0.5, като същевременно увеличава сигмоидна и подходи означава единица стъпка функция с праг Т. От израза за сигмоидна очевидно, че стойността на неврон изход е в интервала (0, 1). Един от ценни свойства на сигмоидална функция - проста експресия на неговите производни:

Отбелязва се, че функция сигмоидна е диференцируема изобщо х-ос, която се използва в някои обучение алгоритми. Освен това, той има свойството да усилват слаби сигнали по-добре, отколкото голям, и предотвратява насищането на големи сигнали, тъй като те съответстват на регионите аргументи сигмоидна където наклонът е леко.

Таблица 7.1 Функции на невроналната активиране

име формула Диапазонът на стойностите
линеен F (и) = к (-∞, ∞)
semilinearly (0, ∞)
Logistic (сигмоидна) (0, 1)
Хиперболичен тангенс (сигмоидален) (1, 1)
показателен (0, ∞)
синус (1, 1)
Сигмоидална (рационално) (1, 1)
Засилване (линейна с насищане) (1, 1)
праг (0, 1)
модулна (0, ∞)
Знакът (подпис) (1, 1)
квадратичен (0, ∞)

Фиг. 7.2. Примери за активиращи функции:

и - единица стъпка функция; б - линеен праг (хистерезис);

в - сигмоидна (логистична функция);

г - сигмоидна (тангенс хиперболичен)

активиране тип функция е избрана в зависимост от специфичния проблем да бъде решен чрез използване на невронни мрежи. Например, в проблемите на сближаване и класификация, предимство се дава логистична (сигмоидна) крива.

За изграждането на Ан за решаване на конкретен проблем, трябва да изберете вида на невронните връзки, определи вида на предавателни функции на елементи и изберете теглата interneuron връзки.

С цялото разнообразие от възможни конфигурации практика INS става само някои от тях широко разпространена. Класически модел невронна мрежа обсъдени по-долу.

Класификация невронни мрежи и техните свойства

Невронна мрежа е съвкупност от нервни елементи в определен начин свързани един с друг и с околната среда, с помощта на отношенията определено тегло. В зависимост от функциите, изпълнявани от невроните в мрежата, има три вида от тях:



входни неврони, на които вектор кодиращ входно изображение, или на въздействието на околната среда, те обикновено не се извършват изчислителни процедури, и информацията се предава от входа към изхода, като промените тяхното активиране;

Изходна неврони, които представляват изходните стойности на изходите на невронни мрежи; превръщането им, извършена от изразите (7.1). Извършва важно да приведе продукцията стойност мрежа на функцията в желания интервал (това се прави чрез активиране на функцията);

междинни неврони, които са в основата на невронни мрежи, в които преобразуването се извършва и от изразите (7.1).

В повечето модели на невронни тип неврон е свързан с разположението си в мрежата. Ако неврон има само изход връзка, тя е на входа неврона, ако е точно обратното - изходния неврон. Въпреки това, има случаи, когато на изхода на неврона вътрешния топологично разглежда като част от изхода на мрежата. При работа на мрежата извършва преобразуване на входния вектор в изхода, някои обработка на информация. Специфичната форма на преобразуване на данните в мрежата се определя не само от характеристиките на нервните елементи и функции на своята архитектура, а именно топологията на interneuron връзки, избор на специфични подгрупи на нервните елементи за вход и изход на информация, методи на обучение мрежа, наличието или липсата на конкуренция между невроните, посоката и методите управлението на преноса и информация синхронизация между невроните.

Три основни видове невронни мрежи могат да бъдат разграничени От гледна точка на топология:

• напълно свързан (Фигура 7.3 а);

• ламинирани или пластове (Фигура 7.3, б).

• slabosvyaznye (с местни връзки) (фиг. 7.3, буква в).

Фиг. 7.3. Архитектурата на невронни мрежи:

и - напълно свързана мрежа, б - многослойна мрежа със сериен

облигации, в - slabosvyaznye мрежа

Напълно свързани невронни мрежи, всеки неврон предава своята продукция към останалата част от неврони, включително себе си. Всички входни сигнали се прилагат за всички неврони. Изходните сигнали на мрежата могат да бъдат всички или някои от изходите на невроните след няколко цикъла на мрежата.

В многослойни невронни мрежи, неврони са обединени в слоя. Слоят съдържа множество неврон входни сигнали с еднаква. Броят на невроните в слой може да бъде всеки и не зависи от броя на невроните в различни слоеве. Като цяло, в мрежата се състои от слоеве Q, номерирани от ляво на дясно. Външни входни сигнали се подават към входовете на невроните във входния слой (често номерирани като нула), а изходите на мрежата са изходите на последния слой. Освен това на входа и на изхода слоеве в многослойна невронна мрежа има един или повече скрити слоеве. Съобщение изходните неврони на слой Q входа на следващия слой на неврони (Q 1) е последователност. В един слой с помощта на същата функция активиране.

<== Предишна лекция | На следващата лекция ==>
| активиране Функции

; Дата: 05.01.2014; ; Прегледи: 528; Нарушаването на авторските права? ;


Ние ценим Вашето мнение! Беше ли полезна публикуван материал? Да | не



ТЪРСЕНЕ:


Вижте също:



ailback.ru - Edu Doc (2013 - 2017) на година. Тя не е автор на материали, и дава на студентите с безплатно образование и използва! Най-новото допълнение , Al IP: 11.45.9.24
Page генерирана за: 0.047 сек.