Меню сайта
Наш опрос
Статистика
Онлайн всего: 1 Гостей: 1 Пользователей: 0 |
4. Модели нейронов4. Типы Моделей нейронов
Простейший нейрон — это нейрон МакКаллока-Питса (рис.4.1). Весовые коэффициенты wi 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 Tj, 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: ---------------------------------------; 4.1. Персептрон4.2. Сигмоидальный нейрон4.3. Нейрон типа "адалайн"4.4. Паде-нейрон4.5. Нейрон с квадратичным сумматором4.6. Сигма-Пи нейроны4.7. Модель нейрона Хебба4.8. Стохастическая модель нейрона4.9. Кубические модели нейрона4.9.1. Запись активации в замкнутой форме4.9.2. Обучение кубических нейронов4.10. Радиальный нейрон4.11. Нейроны типа WTA<ДАЛЕЕ>
|
Поиск
Друзья сайта
|