Y =
Порогова функція не забезпечує достатньої гнучкості штучної нейронної мережі при навчанні. Якщо значення обчисленого потенціалу не досягає заданого порогу, то вихідний сигнал не формується та нейрон В«не спрацьовуєВ». Це призводить до зниження інтенсивності вихідного сигналу нейрона і, як наслідок, до формування невисокого значення потенціалу зважених входів в наступному шарі нейронів. p align="justify"> Лінійна функція Y = kP дифференцируема і легко обчислюється, що в ряді випадків дозволяє зменшити помилки вихідних сигналів в мережі, так як передавальна функція мережі також є лінійною. Однак вона не універсальна і не забезпечує вирішення багатьох завдань.
Певним компромісом між лінійною і ступінчастою функціями є сигмоїдальна функція перенесення Y = яка вдало моделює передавальну характеристику біологічного нейрона. Коефіцієнт k визначає крутизну нелінійної функції: чим більше k, тим ближче сигмоїдальна функція до порогової; чим менше k, тим вона ближче до лінійної. Подібно ступінчастої функції вона дозволяє виділяти в просторі ознак безлічі складної форми, у тому числі неопуклі і незв'язні. При цьому сигмоїдальна функція, на відміну від ступінчастою, не має розривів. Вона дифференцируема, як і лінійна функція, і це якість можна використовувати при пошуку екстремуму в просторі параметрів штучної нейронної мережі.
Тип функції переносу вибирається з урахуванням конкретного завдання, розв'язуваної з застосуванням нейронних мереж. Наприклад, у задачах апроксимації та класифікації перевагу віддають логістичної (сигмоїдальної) кривої. Нейронна мережа являє собою сукупність штучних нейронів, організованих шарами. При цьому виходи нейронів одного шару з'єднуються з входами нейронів іншого. Залежно від топології з'єднань нейронів штучні нейронні мережі поділяються на однорівневі і багаторівневі, із зворотними зв'язками і без них. Зв'язки між шарами можуть мати різну структуру. У однолінійних мережах кожний нейрон (вузол) нижнього шару пов'язаний з одним нейроном верхнього шару. Якщо кожен нейрон нижнього шару з'єднаний з декількома нейронами наступного шару, то виходить пірамідальна мережу. Воронкоподібна схема з'єднань передбачає зв'язок кожного вузла верхнього шару з усіма вузлами нижнього рівня. Існують також деревовидні і рекурентні мережі, що містять зворотні зв'язки з довільною структурою міжнейронних сполук. Щоб побудувати штучну нейронну мережу для вирішення конкретного завдання, потрібно вибрати тип з'єднання нейронів, визначити вид передавальних функцій елементів і підібрати вагові коефіцієнти міжнейронних зв'...