Помощь проекту

SciCenter.online ©

info@scicenter.online
 <<
↑
>>

ОДНОСЛОЙНЫЕ ИСКУССТВЕННЫЕ НЕЙРОННЫЕ СЕТИ

Рис. 1.5. Однослойная нейронная сеть Хотя один нейрон и способен выполнять простейшие процедуры распознавания, сила нейронных вычислений проистекает от соединений нейронов в сетях.

Простейшая сеть состоит из группы нейронов, образующих слой, как показано в правой части рис. 1.5. Отметим, что вершины-круги слева служат лишь для распределения входных сигналов. Они не выполняют каких- либо вычислений, и поэтому не будут считаться слоем. По этой причине они обозначены кругами, чтобы отличать их от вычисляющих нейронов, обозначенных квадратами. Каждый элемент из множества входов Х отдельным весом соединен с каждым искусственным нейроном. А каждый нейрон выдает взвешенную сумму входов в сеть. В искусственных и биологических сетях многие соединения могут отсутствовать, все соединения показаны в целях общности. Могут иметь место также соединения между выходами и входами элементов в слое. Такие конфигурации рассматриваются в гл. 6. Удобно считать веса элементами матрицы W. Матрица имеет т строк и п столбцов, где m – число входов, а n – число нейронов. Например, w2,3 – это вес, связывающий третий вход со вторым нейроном. Таким образом, вычисление выходного вектора N, компонентами которого являются выходы OUT нейронов, сводится к матричному умножению N = XW, где N и Х – векторы-строки.
<< | >>
↑
Источник: Ф. Уоссермен. Нейрокомпьютерная техника: Теория и практика. 1992

Еще по теме ОДНОСЛОЙНЫЕ ИСКУССТВЕННЫЕ НЕЙРОННЫЕ СЕТИ:

  1. 1.2.1 Искусственные нейронные сети в системах распознавания
  2. 1.1. Искусственные нейронные сети. Их основные типы, используемые в физике.
  3. 2 Разработка топологии искусственной нейронной сети для задач выделения сюжетной части изображения
  4. Свёрточные нейронные сети
  5. Архитектура нейронной сети
  6. Глава 1. Основы искусственных нейронных сетей
  7. 2.1.2 Топология свёрточной нейронной сети
  8. 3.1.2 Результаты обучения нейронной сети.
  9. 3.3.4 Оценка чувствительности нейронной сети к изменению масштаба
  10. 2.1.1 Свёрточные нейронные сети
  11. Радиально-базисные нейронные сети
  12. 2.2.1. Обучение радиальных нейронов СНРБ-сети.
  13. Общая схема обучения нейронной сети
  14. Глава 9. Оптические нейронные сети
  15. Нейронные сети
  16. 1.3.2 Нейронные сети радиально-базисного типа
  17. 1.3.1 Эластичные нейронные сети
  18. 2.2 Алгоритм обучения нейронной сети для ускоренной сходимости обучения
  19. 3.1 Алгоритм обучения нейронной сети.
- Автоматизация - Гидрология - Документоведение, делопроизводство - Информационные системы - Коммуникации - Криптография - Машиностроение - Метрология - Механика - Микроэлектроника - Нефтегазовое дело - Пищевая промышленность - Приборостроение - Программирование - Системный анализ, управление и обработка информации - Строительство - Технология и оборудование механической и физико-технической обработки - Электрическая энергия - Энергетика -
- Архитектура и строительство - Безопасность жизнедеятельности - Библиотечное дело - Бизнес - Биология - Военные дисциплины - География - Геология - Демография - Диссертации России - Естествознание - Журналистика и СМИ - Информатика, вычислительная техника и управление - Искусствоведение - История - Конфликтология - Культурология - Литература - Маркетинг - Математика - Медицина - Менеджмент - Педагогика - Политология - Право России - Право України - Промышленность - Психология - Реклама - Религиоведение - Социология - Страхование - Технические науки - Учебный процесс - Физика - Философия - Финансы - Химия - Художественные науки - Экология - Экономика - Энергетика - Юриспруденция - Языкознание -

SciCenter.online ©

info@scicenter.online