Проверяемый текст
Комарцова, Людмила Георгиевна; Исследование нейросетевых и гибридных методов и технологий в интеллектуальных системах поддержки принятия решений (Диссертация 2003)
[стр. 49]

Между нейронами различных слоев в многослойной нейронной сети (МНС) могут быть установлены связи различных типов [79, 108]: а) однослойная сеть с прямой связью; б) многослойная сеть с прямой связью; в) многослойная сеть с перекрестной связью; г) однослойная рекуррентная сеть (с обратной связью); д) многослойная рекуррентная сеть; е) сеть с латеральными связями.
В общем случае выходной сигнал нейрона j-ro слоя является входным сигналом слоя с номером j+S.
Возможны следующие типы связей между нейронами:
• последовательные (S =1); • перекрестные (S > 1); • латеральные (S =0); • обратные (S <1).
В случае НС с прямой последовательной связью выходной сигнал нейронов* некоторого*слоя является, входным сигналом нейронов следующего за ним слоя.
Латеральные связи устанавливаются между нейронами одного и того же слоя, перекрестные (или связи через слой) устанавливаются между нейронами некоторого слоя и последующих слоев (но не следующего слоя).
Обратные связи —это связи между нейронами некоторого слоя и предшествующих ему слоев.
Примерами однослойных и многослойных нейронных сетей с последовательными связями (в случае многослойных также и с перекрестными связями) являются однослойные и многослойные персептроны, с латеральными сети Кохонена, с обратными сети Хопфилда, Хемминга, машина Больцмана
[24, 25, 29, 60].
Кроме рассмотренных основных типов связей на практике используются также пирамидальные и слоистые НС, в которых могут присутствовать различные типы нейронов и функций активации
[45].
Отсутствие в настоящее время формализованных методов выбора типа НС заставляет разработчиков НС использовать накопленный опыт работы с различными типами НС.
В
дайной работе предполагается, что НС использует
[стр. 92]

Между нейронами различных слоев в многослойной нейронной сети (МНС) могут быть установлены связи различных типов (рис.
2.5).
Входной Скрытые Выходной слой слои слой Входной Скрытые Выходной слой слои слой Рис.2.5.
Основные виды связей между нейронами различных слоев в модели НС коннекционистского типа: а) однослойная сеть с прямой связью; б) многослойная сеть с прямой связью; в) многослойная сеть с перекрестной связью; г) однослойная рекуррентная сеть (с обратной связью); д) многослойная рекуррентная сеть; е) сеть с латеральными связями 91

[стр.,93]

В общем случае выходной сигнал нейрона /-го слоя является входным сигналом слоя с номером/+£.
Возможны следующие типы связей между нейронами:
последовательные (5'=1); перекрестные (£>1); латеральные (Я=0); обратные (5'<1); В случае НС с прямой последовательной связью выходной сигнал нейронов некоторого слоя является входным сигналом нейронов следующего за ним слоя.
Латеральные связи устанавливаются между нейронами одного и того же слоя, перекрестные (или связи через слой) устанавливаются между нейронами некоторого слоя и последующих слоев (но не следующего слоя) Обратные связи это связи между нейронами некоторого слоя и предшествующих ему слоев.
Примерами однослойных и многослойных нейронных сетей с последовательными связями (в случае многослойных также и с перекрестными связями) являются однослойные и многослойные персептроны, с латеральными -сети Кохонена, с обратными сети Хопфилда, Хемминга, машина Больцмана
[58-64].
При наличии в многослойной нейронной сети последовательных, обратных, перекрестных и латеральных связей понятие слоя нейрона вырождается, поскольку сложно и даже невозможно определить множество нейронов, получающих сигнал в один и тот же момент времени (согласно определению 2.2).
92

[стр.,94]

Кроме рассмотренных основных типов связей на практике используются также пирамидальные и слоистые НС, в которых могут присутствовать различные типы нейронов и функций активации.
Отсутствие в настоящее время формализованных методов выбора типа НС заставляет разработчиков НС использовать накопленный опыт работы с различными типами НС.
В
данной работе предполагается, что НС применяется в основном для решения задач классификации и распознавания.
При этом используется главный критерий оценки НС: минимальная ошибка обобщения £общ<5 (где 5заданное неотрицательное вещественное число) при заданной сложности НС.
Сложность НС в работе определяется общим числом связей между всеми нейронами НС и, в свою очередь, задает вычислительную сложность сети как количество операций ЭВМ, требуемое для преобразования входного сигнала в выходной.
Приведенная в первой главе классификация различных типов НС и решаемых ими задач позволила в данной работе выбрать следующие: нейронные сети без обратных связей, в которых имеются только прямые (последовательные и, возможно, перекрестные) или латеральные связи.
Этот тип сетей охватывает достаточно широкий класс НС, дает возможность строить эффективные комбинированные НС, а также интегрировать с другими технологиями.
Рассмотрим вначале наиболее важные характеристики НС с последовательными связями Полносвязные последовательные НС Согласно определению 2.2, в случае последовательных связей выходной сигнал слоя НС является входным следующего слоя.
Под полными последова93

[Back]