ється рівним одиниці, якщо net> Q, і Y = 0 в зворотному випадку. Значення порогу Q (часто думають рівним нулю) також зберігається в локальній пам'яті. p> Важливим розвитком теорії формального нейрона є перехід до аналогових (безперервним) сигналам, а також до різних типів нелінійних перехідних функцій. Опишемо найбільш широко використовувані типи перехідних функцій Y = f (net). p align="justify"> В· Порогова функція (розглянута Маккалоком і Питтсом):
В
В· Лінійна функція, а також її варіант - лінійна функція з погашенням негативних сигналів:
В
В· сигмоїдальну функція:
В
сигмоїдальну функція має виборчої чутливістю до сигналів різної інтенсивності, що відповідає біологічним даними. Найбільша чутливість спостерігається поблизу порогу, де малі зміни сигналу net призводять до відчутних змін виходу. Навпаки, до варіацій сигналу в областях значно вище або нижче порогового рівня сигмоїдальна функція не чутлива, так як її похідна при великих і малих аргументах прагне до нуля. br/>
3.6 Навчання нейрона детектуванню кордону В«чорне-білеВ»
Здатність формального нейрона до навчання проявляється в можливості зміни значень вектора ваг W, відповідної пластичності синапсів біологічних нейронів. Нехай є образ, складений з одновимірної ланцюжка чорних і білих клітин. Зачернені клітини відповідають одиничному сигналу, а білі клітини - нульового. Сигнал на входах формального нейрона встановлюється рівним значенням пар примикають клітин розглянутого образу. Нейрон навчається щоразу порушуватися і видавати одиничний вихідний сигнал, якщо його перший вхід з'єднаний з білою клітиною, а другий (правий) - з чорною. Таким чином, нейрон повинен служити детектором межі переходу від світлого до темного тону образу. br/>В
Формальний нейрон з двома входами, зайнятий обробкою образу у вигляді одновимірної ланцюжка чорних і білих клітин. Функція, виконувана нейроном, визначається наступною таблицею:
Вхід 1Вход 2Требуемий виход110100011000 3.7 Класифікація нейронних мереж
. за типом вхідної інформації:
Аналогові нейронні мережі (використовують інформацію у формі дійсних чисел);
виконавчі нейронні мережі (оперують з інформацією, представленою в двійковому вигляді).
II. за характером навчання:
Навчання з вчителем - вихідна простір рішень нейронної мережі відомо;
Навчання без вчителя - нейронна мережа формує вихідну простір рішень тільки на основі вхідних впливів. Такі мережі називають самоорганизующи...
