<<
>>

Архитектура нейронной сети

Основой работы самообучающихся нейропрограмм является нейронная сеть, представляющая собой совокупность нейронов — простых элементов, связанных между собой определенным образом. Нейроны и межнейронные связи задаются программно на обычном компьютере или могут иметь «материальную» основу — особую микросхему (нейрочип), которые применяются в специально созданных нейрокомпьютерах.

Структура взаимосвязей между нейронами в нейрокомпьютере или нейропрограмме аналогична таковой в биологических объектах. Искусственный нейрон имеет коммуникации с другими нейронами через синапсы, передающие сигналы от других нейронов к данному (дендриты) или от данного нейрона к другим (аксон). Кроме того, нейрон может быть связан сам с собой. Несколько нейронов, связанных между собой определенным образом, образуют нейронную сеть.

Нейросеть, так же как и биологический аналог, должна иметь каналы для связи с внешним миром. Одни каналы обеспечивают поступление информации из внешнего мира на нейросеть, другие выводят информацию из нейросети во внешний мир. Поэтому одни нейроны сети рассматривается как входные, другие же — как выходные. Часть нейронов может не сообщаться с внешним миром, а взаимодействовать с входными, выходными и такими же нейронами («скрытые» нейроны).

Существует огромное количество способов соединения нейронов, растущее с увеличением числа нейронов в сети. Наиболее употребительной является слоистая архитектура, в которой нейроны располагаются «слоями». В наиболее общем случае аксоны каждого нейрона одного слоя направлены к нейронам следующего слоя. Таким образом, нейроны первого слоя являются входными (принимающими информацию из внешнего мира), нейроны последнего слоя — выходными (выдающими информацию во внешний мир). Схема трехслойной сети изображена на рис. 8.4.

Рис.

8.4. Трехслойная сеть с шестью нейронами

Другой вид архитектуры — полносвязная, когда каждый нейрон соединен с каждым, в том числе сам с собой. Пример простейшей нейросети из трех нейронов показан на рисунке 8.5. Для удобства изображения из каждого нейрона выходит не один, а несколько аксонов, направленных на другие нейроны или во внешний мир, что аналогично присоединенным к одному аксону через синапсы нескольким дендритам.

Именно полносвязные нейросети для построения экспертных систем выбираются исходя из следующих соображений: во- первых, при одинаковом числе нейронов полносвязные сети имеют большее количество межнейронных связей, что увеличивает информационную емкость сети; во-вторых, полносвязная архитектура является намного более универсальной, что не требует экспериментов с вариациями схемы соединений для каждой задачи; в-третьих, в случае эмуляции сети на обычной ЭВМ полносвязные сети обладают серьезными преимуществами — прежде всего скоростью функционирования и простотой программной реализации без ущерба для качества обучаемости.

Рис. 8.5. Схема простейшей нейронной сети из трех нейронов (сеть имеет тринадцать синапсов, четыре из которых служат для связи с внешним миром, а остальные соединяют нейроны между собой)

8.7.2.

<< | >>
Источник: Н.В.Абрамов и др.. Информационные системы в медицине: Учебное пособие— Нижневартовск: Изд-во Нижневарт. гуманит. ун-та,2008. — 171 с.. 2008

Еще по теме Архитектура нейронной сети:

  1. Основные задачи диссертации:
  2. 1.2.1 Искусственные нейронные сети в системах распознавания
  3. Свёрточные нейронные сети
  4. 2.1 Структура сети для выделения сюжета изображения
  5. 2.1.2 Топология свёрточной нейронной сети
  6. 2.2 Алгоритм обучения нейронной сети для ускоренной сходимости обучения
  7. 2.2.1 Алгоритм обратного распространения ошибки
  8. 3.2.2 Минимизация ресурсных требований к программной реализации
  9. Заключение
  10. 1.3.2. Методы классификации с предварительной обработкой сигнала
  11. 1.2.4. Сеть встречного распространения