4.8. Стохастическая модель нейрона

Типы моделей нейрона

<РАНЕЕ>                                 <HOME>

4.8. Cтохастическая модель нейрона.

В стохастической модели выходное состояние нейрона зависит не только от взвешенной суммы входных сигналов, но и от некоторой случайной переменной, значения которой выбираются при каждой реализации из интервала [0,1].

В стохастической модели нейрона, выходной сигнал y принимает значения +1 или -1 с вероятностью

P(y= 1) = 1/(1+exp(-2βu)),         4.33

P(y=-1) = 1/(1+exp(2βu)),          4.34

где u обозначает взвешенную сумму входных сигналов нейрона, а β - положительная константа, которая чаще всего равна 1. Процесс обучения нейрона в стохастической модели состоит из следующих этапов:

1) расчет взвешенной суммы

      4.35

для каждого нейрона сети.

2) расчет вероятности P того, что y принимает значение +1 или -1..

3) генерация значения случайной переменной R€ (0,1) и формирование выходного сигнала y, если R<P(y), или –y в противном случае.

При обучении с учителем по правилу Видроу-Хоффа, адаптация весов проводится по формуле

Δw_i=αx_i(d-y).       4.36

<ДАЛЕЕ>             <ТИПЫ НЕЙРОНОВ>