an> дендритів, за якими в нейрон надходять вхідні сигнали, і відросток - аксон, що передає вихідний сигнал нейрона іншим клітинам. Точка з'єднання дендрита і аксона називається синапсом. Спрощено функціонування нейрона можна представити таким чином:
нейрон отримує від дендритів набір (вектор) вхідних сигналів;
в тілі нейрона оцінюється сумарне значення вхідних сигналів. Однак входи нейрона нерівнозначні. Кожен вхід характеризується деяким ваговим коефіцієнтом, визначальним важливість надходить по ньому інформації. Таким чином, нейрон не просто підсумовує значення вхідних сигналів, а обчислює скалярний добуток вектора вхідних сигналів і вектора вагових коефіцієнтів;
нейрон формує вихідний сигнал, інтенсивність якого залежить від значення обчисленого скалярного твору. Якщо воно не перевищує деякого заданого порогу, то вихідний сигнал не формується зовсім - нейрон "не спрацьовує";
вихідний сигнал надходить на аксон і передається дендрита інших нейронів. p align="justify"> Поведінка штучної нейронної мережі залежить від значення вагових параметрів і від функції збудження нейронів. p align="justify"> Нейронна мережа являє собою сукупність великої кількості порівняно простих елементів - нейронів, топологія з'єднань яких залежить від типу мережі. Щоб створити нейронну мережу для вирішення якої-небудь конкретного завдання, ми повинні вибрати, яким чином слід з'єднувати нейрони один з одним, і відповідним чином підібрати значення вагових параметрів на цих зв'язках. Чи може впливати один елемент на інший, залежить від встановлених з'єднань. Вага з'єднання визначає силу впливу. p align="justify"> Найпростіша мережа має структуру прямої передачі сигналу: сигнали проходять від входів через приховані елементи і, зрештою, приходять на вихідні елементи. Така структура має стійку поведінку. Якщо ж мережа рекуррентная (тобто містить зв'язку, провідні тому від більш далеких до більш ближнім нейронам), то вона може бути нестійка і мати дуже складну динаміку поведінки. Рекурентні мережі становлять великий інтерес для дослідників у галузі нейронних мереж, однак, при вирішенні практичних завдань, принаймні, до цих пір, найбільш корисними виявилися структури прямої передачі. p align="justify"> Нейрони регулярним чином організовані в шари. Вхідний шар служить просто для введення значень вхідних змінних. Кожен з прихованих і вихідних нейронів з'єднаний з усіма елементами попереднього шару. При роботі (використанні) мережі у вхідні елементи подаються значення вхідних змінних, потім послідовно відпрацьовують нейрони проміжних і вихідного шарів. Кожен з них обчислює своє значення активації. Потім значення активації перетворюються за допомогою функції активації, і в результаті виходить вихід нейрона. p align="justify"> Після того, я...
