4. Модели нейронов

4. Типы Моделей нейронов

Простейший нейрон — это нейрон МакКаллока-Питса (рис.4.1). Весовые коэффициенты w_i входов сумматора умножаются на величины входных сигналов. Нелинейная функция активации f(u)– простая ступенчатая. Выходной сигнал нейрона может принимать только два значения — 0 и 1 или -1 и +1. в зависимости от не достижения или превышенья установленного порога w₀.

Рис.4.1. Нейрон МакКаллока-Питтса

Нейрон со взвешивающим сумматором и простейшей нелинейной функцией, в разных модификациях, используется во многих электронных сетях. В простейшем случае, выход такого нейрона равен логической единице, если взвешенная сумма выходов с других нейронов больше порога T_j, и нулю, если меньше порога. Состояние выхода не изменяется, если сумма строго равна порогу:

4-1

Для распознавания образов, или решение других специфических задач, нейронная сеть должна быть настроена. Логичным представляется использование для настройки алгоритмов обучения. Однак, рименение градиентного метода для обучения нейрона гарантирует достижение только локального минимума.

Более подробно, использующиеся типы искусственных нейронов рассмотрены далее:

---------------------------------------;