Статические и динамические многослойные нейронные сети

По первому признаку ИНС делятся на статические, динамические и fuzzy-структуры (нечеткие структуры, изменяемые в процессе функционирования ИНС).

Структура таких статических многослойных нейронных сетей (МНС) пред-ставлена на рис. 3,б и рис. 6.

МНС формируется из базовых элементов, схема которых рассматривалась уже ранее и отражена на рис. 7. В ней лишь будут использованы другие обозначения для входов и выходов.

Статические и динамические многослойные нейронные сети - student2.ru

Рис. 7. Модель искусственного нейрона (базового процессорного элемента)

Если такая МНС является так называемой полносвязной гомогенной, то выходы базовых элементов МНС (рис. 6) каждого слоя поступают на входы всех базовых элементов следующего слоя, а функция активации Статические и динамические многослойные нейронные сети - student2.ru обычно принимается одинаковой для всех используемых в МНС базовых элементов.

Выходной слой в МНС реализуется как модалина. Входной её слой является буферным для входного сигнала Статические и динамические многослойные нейронные сети - student2.ru . Число слоев в такой сети может быть произвольным (в зависимости от назначения МНС и реализуемого ею алгоритма преобразования входа Статические и динамические многослойные нейронные сети - student2.ru в выход Статические и динамические многослойные нейронные сети - student2.ru .

В символьной форме многослойную нейронную сеть обычно определяют как Статические и динамические многослойные нейронные сети - student2.ru , где Статические и динамические многослойные нейронные сети - student2.ru – число слоев в МНС, Статические и динамические многослойные нейронные сети - student2.ru – число входов в сети; Статические и динамические многослойные нейронные сети - student2.ru – число базовых элементов (БЭ) в Статические и динамические многослойные нейронные сети - student2.ru м промежуточном («скрытом») слое; Статические и динамические многослойные нейронные сети - student2.ru – число базовых элементов в выходном Статические и динамические многослойные нейронные сети - student2.ru -м слое и одновременно число выходов Статические и динамические многослойные нейронные сети - student2.ru описываемой многослойной нейронной сети. У промежуточного Статические и динамические многослойные нейронные сети - student2.ru -го слоя будем полагать число базовых элементов равным Статические и динамические многослойные нейронные сети - student2.ru . Полагаем также, что связи в каждом промежуточной слое между БЭ отсутствуют. Выходы каждого предыдущего слоя поступают только на входы БЭ следующего Статические и динамические многослойные нейронные сети - student2.ru -го слоя.

Выход любого Статические и динамические многослойные нейронные сети - student2.ru го элемента в Статические и динамические многослойные нейронные сети - student2.ru -м слое МНС может быть определен в виде

Статические и динамические многослойные нейронные сети - student2.ru . (2)

В векторной форме выход Статические и динамические многослойные нейронные сети - student2.ru -го слоя сети равен

Статические и динамические многослойные нейронные сети - student2.ru , (3)

где Статические и динамические многослойные нейронные сети - student2.ru – вектор весовых коэффициентов сигнала инициализации Статические и динамические многослойные нейронные сети - student2.ru в слое Статические и динамические многослойные нейронные сети - student2.ru , который для всех Статические и динамические многослойные нейронные сети - student2.ru принимается равным +1;

Статические и динамические многослойные нейронные сети - student2.ru , Статические и динамические многослойные нейронные сети - student2.ru – векторы

выходов базовых элементов слоя Статические и динамические многослойные нейронные сети - student2.ru и выходов предыдущего слоя Статические и динамические многослойные нейронные сети - student2.ru , поступающих на входы базовых элементов слоя Статические и динамические многослойные нейронные сети - student2.ru .

Для выходного Статические и динамические многослойные нейронные сети - student2.ru -го слоя имеем

Статические и динамические многослойные нейронные сети - student2.ru ; (4)

Статические и динамические многослойные нейронные сети - student2.ru . (5)

Формулы (2) – (5) описывают многослойные нейронные сети с нелинейными функциями активации Статические и динамические многослойные нейронные сети - student2.ru послойно. Функцию Статические и динамические многослойные нейронные сети - student2.ru на Статические и динамические многослойные нейронные сети - student2.ru -ых выходах сумматоров базовых элементов слоя Статические и динамические многослойные нейронные сети - student2.ru называют дискриминантной. Соотношение (2) соответствует дискриминантной функции первого порядка. Это наиболее простой её вариант. В МНС используются и дискриминантнные функции более высоких порядков, что дает возможность воспроизводить более сложные нелинейные вход-выходные связи в таких МНС, но существенно затрудняет их параметрическую настройку.

Наши рекомендации