n align="justify"> x 1 , w 2 x 2 < span align = "justify">, w 3 x 3 . Нейрон перетворить отриманий сумарний імпульс x = w 1 x 1 + w 2 x 2 + w 3 x 3 відповідно до деякої передавальної функцією f (x). Сила вихідного імпульсу дорівнює y = f (x) = f (w 1 x 1 + w 2 x 2 + w 3 x 3 ). Таким чином, нейрон повністю описується своїми вагами w k і передавальної функцією f (x). Одержавши набір чисел (вектор) x k в якості входів, нейрон видає деяке число y на виході. Схема нейрона наведена на малюнку 1.
В
Рисунок 1 - Схема нейрона
- вхідні сигнали, сукупність всіх вхідних сигналів нейрона утворює вектор x;
- вагові коефіцієнти, сукупність вагових коефіцієнтів утворює вектор ваг w;
S - зважена сума вхідних сигналів, значення NET передається на нелінійний елемент;
В якості функції активації був обрана функція гіперболічний тангенс:
Під навчанням розуміється процес адаптації мережі до пропонованих еталонним зразкам шляхом модифікації вагових коефіцієнтів зв'язків між нейронами. Спочатку вагові коефіцієнти встановлюються будь-яким чином, наприклад, випадково. На вхід нейронної мережі в певному порядку подаються навчальні приклади. Обчислюється помилка для навчального прикладу і проводиться корекція ваг нейронної мережі. br/>
.2 Розробка схеми алгоритму
Схема алгоритму роботи з додатком наведена на малюнку 2
В
Малюнок 2 - Схема алгоритму роботи з додатком
Схема алгоритму установки ваг наведена на малюнк...
