<<
>>

Функционирование нейрона

Рассмотрим устройство и функционирование отдельного нейрона. Каждое соединение от нейрона к нейрону называется синапсом. На рисунке 8.6 представлен нейрон с группой синапсов, соединяющих нейрон либо с другими нейронами, либо с внешним миром.

Для рассмотрения работы нейрона неважно, приходит ли сигнал к нейрону из внешнего мира или с другого нейрона, и неважно, куда отправляется сигнал с нейрона. В полносвязных сетях выходной сигнал направляется всем остальным нейронам.

Нейрон состоит из двух функциональных блоков: входного сумматора и собственно нейрона, или преобразователя.

Рис. 8.6. Схема нейрона

Функционирование нейрона происходит следующим образом.

В текущий момент времени через входные синапсы (на рисунке их три) на нейрон направляются сигналы от других нейронов и/или из внешнего мира. Каждый синапс имеет параметр, называемый весом синапса и представляющий какое-либо число. Сигнал, проходящий через синапс, умножается на вес этого синапса. В зависимости от веса сигнал может быть усилен (модуль веса > 1) или ослаблен (модуль веса < 1) по амплитуде. Сигналы от всех синапсов, ведущих к данному нейрону, принимает сумматор.

Сумматор производит суммирование всех пришедших сигналов и подает на собственно нейрон (преобразователь) одно число — полученную сумму. Величина этого числа будет зависеть как от величин исходных сигналов, так и от весов синапсов. Нейрон, получивший это число, преобразует его согласно своей функции, в результате которой получается другое число, и отправляет его по «аксону» всем остальным нейронам через соответствующие синапсы. Последующие нейроны производят с полученными сигналами такие же операции, с тем лишь различием, что, во-первых, веса их синапсов могут быть уже другими, во- вторых, другие нейроны могут иметь другой вид функции преобразования. В конструируемых нами нейронных сетях все нейроны имеют одну и ту же функцию. Эта функция, называемая характеристической, имеет вид:

где X — сигнал, поступающий с сумматора, C — константа, называемая характеристикой нейрона. Экспериментальным путем мы получили, что оптимальный диапазон характеристики для решения подавляющего большинства задач составляет от 0,1 до 0,8. Графики характеристической функции для обоих случаев представлены на рисунке 8.7. Выбор функции такого вида обусловлен тем, что она гладкая, непрерывная на всем диапазоне переменных X, диапазон значений всегда ограничен. Подбор характеристики и ее влияние на работу нейронной сети будут рассмотрены ниже.

Рис. 8.7. График характеристической функции

8.7.3.

<< | >>
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 Функционирование нейрона:

  1. 1.2.1 Искусственные нейронные сети в системах распознавания
  2. 2.1.1 Свёрточные нейронные сети
  3. 2.1.2 Топология свёрточной нейронной сети
  4. 2.2 Алгоритм обучения нейронной сети для ускоренной сходимости обучения
  5. 1.2.11 Нейронные сети, обучаемые по методу имитации отжига.
  6. 2.2. Самонастраивающаяся нейронная сеть радиально базисного типа.
  7. ДОКУМЕНТ КАК ОСНОВА ФУНКЦИОНИРОВАНИЯ БИБЛИОТЕКИ И ИНФОРМАЦИЯ
  8. Синапс. Его структура, функционирование. Нейромедиаторы.
  9. Нейронные сети
  10. Архитектура нейронной сети
  11. Функционирование нейрона
  12. Функционирование нейросети
  13. Общая схема обучения нейронной сети
  14. СОДЕРЖАНИЕ
  15. 1. Повышение интенсивности функционирования мышечных структур сердца
  16. Введение
  17. НОРМАЛЬНОЕ ФУНКЦИОНИРОВАНИЕ
  18. АРХИТЕКТУРА APT