|
TNeuron является базовым классом для нейронов, несет всю основную функциональность, имеет индексированное свойство Weights, представляющее собой весовые коэффициенты (синапсы), свойство Output, которое является выходом нейрона (результатом вычислений) и сумматор, роль которого, выполняет метод ComputeOut. Следующим порожденным классом, является TNeuronBP, служащий для программной реализации многослойных нейронных сетей. Аббревиатура ВР в имени класса используется потому, что нейрон этого типа применяется исключительно в сетях обучаемых по алгоритму обратного распространения, этим подчеркивается, что в случае создания защитного шума нейронная сеть обучается по этому алгоритму. Переписан метод ComputeOut, использующий теперь нелинейную активационную функцию, которая реализована в виде индексированного свойства процедурного типа OnActivationF. Кроме того, добавлены два важных свойства. Delta содержит локальную ошибку и индексированное свойство PrevUpdate содержит величину коррекции весовых коэффициентов на предыдущем шаге обучения сети. Основным назначением базового класса TLayer и его потомков TLayerHopf и TLayerBP является объединение нейронов в слой, для упрощения работы с нейронами. Компонент TNeuralNet является базовым компонентом для всех видов нейронных сетей. TNeuralNet обеспечивает необходимую функциональность производных компонентов. Этот компонент поддерживает методы для работы со слоями сети (AddLayer, DeleteLayer) и методы для манипуляций с исходными данными (AddPattem, DeletePattem, ResetPattems). Метод Init служит для построения нейронной сети. Большинство методов объявленных в разделе public в базовом компоненте и его потомках виртуальные, что позволяет легко перекрывать их. Компонент TNeuralNetBP реализует многослойную нейронную сеть, обучаемую по алгоритму обратного распространения ошибки. 141 |
Основным назначением библиотеки является интеграция нейронных сетей в информационные системы, для расширения аналитических возможностей систем. Реализация нейронных сетей в виде компонентов, наличие открытого кода позволяет легко встраивать в другие программы. Существует три базовых класса TNeuron, TLayer, TNeuralNet. Все остальные являются производными от них. На рисунке 4.2 приведена иерархия классов, сплошными линиями показано наследование (стрелкой указан потомок), пунктирными показано в каких классах они используются. Рисунок 4.2 Иерархия классов NeuralBase TNeuron является базовым классом для нейронов, несет всю основную функциональность, имеет индексированное свойство Weights, представляющее собой весовые коэффициенты (синапсы), свойство Output, которое является выходом нейрона (результатом вычислений) и сумматор, роль которого, выполняет метод ComputcOut. Следующим порожденным классом, является TNeuronBP, служащий для программной реализации многослойных нейронных сетей. Аббревиатура ВР в имени класса используется потому, что нейрон этого типа применяется исключительно в сетях обучаемых по алгоритму обратного распространения, этим подчеркивается, что в случае создания защитного шума нейронная сеть обучается по этому алгоритму. 108 Переписан метод ComputeOut, использующий теперь нелинейную активационную функцию, которая реализована в виде индексированного свойства процедурного типа OnActivationF. Кроме того, добавлены два важных свойства, Delta содержит локальную ошибку и индексированное свойство PrevUpdate — содержит величину коррекции весовых коэффициентов на предыдущем шаге обучения сети. Основным назначением базового класса TLaycr и его потомков TLayerHopf и TLayerBP является объединение нейронов в слой, для упрощения работы с нейронами. Компонент TNeuralNct является базовым компонентом для всех видов нейронных сетей. TNeuralNet обеспечивает необходимую функциональность производных компонентов. Этот компонент поддерживает методы для работы со слоями сети (AddLayer, DeleteLayer) и методы для манипуляций с исходными данными (AddPattem, DcletcPaltcrn, ResetPattems). Метод Init служит для построения нейронной сети. Большинство методов объявленных в разделе public в базовом компоненте и его потомках виртуальные, что позволяет легко перекрывать их. Компонент TNeuralNetBP реализует многослойную нейронную сеть, обучаемую по алгоритму обратного распространения ошибки. Дополнительно включены следующие методы: Compute вычисляет выход нейронной сети, используется после обучения сети; TeachOffLine обучает нейронную сеть. Компонент позволяет в режиме design-time, в окне Object Inspector, конструировать нейронную сеть, добавляя или удаляя слои и нейроны в сети. Для этого используется редактор свойств NcuronsInLayer, имеющий вид, указанный на рисунке 4.3. 109 |