|
Рисунок 3.5. Топологии различных архитектур НС: а полносвязная сеть; бмногослойная (слоистая) сеть; в слабосвязные сети. В полносвязных сетях, ФН связан со всеми остальными включая самого себя; многослойные НС характеризуются многослойным расположением ФН; слабосвязные сети ФН располагаются в узлах двухмерной решетки и взаимосвязаны со своими ближайшими соседями. По виду функции активации /'"НС подразделяют на гомогенные одна функция /'’для всех ФН и гетерогенные функция F зависит от параметров, значения которых изменяются от ФН к ФН. В большинстве случаев НС представима в виде последовательности слоев из ФН, а каждый слой, в свою очередь, в виде взаимосвязанных зон преобразований. Для решения трудно формализуемых задач, в т.ч. и для задачи прогнозирования, используются различные парадигмы ПС. Одной из парадигм НС являются многослойные персептронные сети. Многослойная нейронная сеть (рисунок 3.5) [83] состоит из входного слоя, по крайней мере, одного скрытого слоя и выходного слоя НС. Входной слой НС играет роль репликатора входного вектора для обеспечения всех формальных нейронов (ФН) первого скрытого слоя НС соответствующей копией координат входных сигналов. Основная вычислительная нагрузка 99 |
Е) Рисунок 3.6 Топологии различных архитектур НС: а полносвязная сеть; бмногослойная (слоистая) сеть; в слабосвязные сети В полносвязных сетях ФН связан со всеми остальными включая самого себя; многослойные НС характеризуются многослойным расположением ФН; в слабосвязныхе сетяхи ФН располагаются в узлах двухмерной решетки и взаимосвязаны со своими ближайшими соседями. По виду функции активации F НС подразделяют на гомогенные одна функция F для всех ФН и гетерогенные функция F зависит от параметров, значения которых изменяются от ФН к ФН. В большинстве случаев НС представима в виде последовательности слоев из ФН, а каждый слой, в свою очередь, в виде взаимосвязанных зон преобразований. В таблице 3.2 приведены преимущества и недостатки двух видов архитектур связей нейросетей. 71 Таблица 3.2. Сравнение архитектур связей нейросетей Сравнение сетей Без обратных связей (многослойные) С обратными связями Преимущества Простота реализации. Гарантированное получение ответа после прохождения данных по слоям. Минимизация размеров сети нейроны многократно участвуют в обработке данных. Меньший объем сети облегчает процесс обучения. Недостатки Требуется большее число нейронов для алгоритмов одного и того же уровня сложности. Следствие большая сложность обучения. Требуются специальные условия, гарантирующие сходимость вычислений. Для решения трудно формализуемых задач, в т.ч. и для задачи определения концентрации вредных веществ в воздушной среде, используются различные парадигмы НС. Одной из парадигм НС являются многослойные персептронные сети. Многослойная нейронная сеть (рисунок 3.7) [83] состоит из входного слоя, по крайней мере, одного скрытого слоя и выходного слоя НС. Входной слой НС играет роль репликатора входного вектора для обеспечения всех формальных нейронов (ФН) первого скрытого слоя НС соответствующей копией координат входных сигналов. Основная вычислительная нагрузка нейронной сети ложится на систему взвешенных межнейронных связей скрытых и выходного слоев НС. Входной слой Скрытый слой Выходной слой Рисунок 3.7 Многослойная нейронная сеть с одним скрытым слоем. 72 |