Нейронная сеть без обратных связей - персептрон
Многослойная нейронная сеть с несколькими выходами, изображенная на рисунке ниже представляет собой персептрон.
Схема может быть дополнена сумматором, объединяющим при необходимости выходные сигналы нейронов в один общий выход.
Количество слоев в персептроне может быть разным, в зависимости от сложности задачи. Математически доказано (теорема Колмогорова), что трех полноценных нейронных слоев достаточно, чтобы аппроксимировать любую математическую функцию (при условии возможности неограниченно наращивать количество нейронов в скрытом слое).
Персептрон функционирует в дискретном временном режиме – подали на вход статическую совокупность сигналов (входной вектор), оценили совокупное состояние выходов (выходной вектор), затем подали на вход следующий вектор и т. д. Предполагается, что сигнал в персептроне распространяется от входа к выходу мгновенно, т. е. временные задержки при передаче сигнала от нейрона к нейрону, от слоя к слою и связанные с этим динамические переходные процессы отсутствуют. Поскольку персептрон не имеет обратных связей (ни положительных, ни отрицательных), то в каждый момент времени любому входному вектору значений однозначно соответствует некий выходной вектор, который не изменится, пока неизменным остаются входы НС.
Теория персептронов является основой для многих других типов искусственных нейронных сетей, а сами персептроны являются логической исходной точкой для изучения искусственных нейронных сетей.
- Моделирование биологических процессов и систем Лекция 1. Введение в моделирование Основные понятия моделирования
- 1. Познание окружающего мира.
- 4. Эффективность управления объектом (или процессом).
- Классификация моделей
- Структурные модели
- Понятие адекватности модели
- Инструментальные средства моделирования
- Лекция 2. Модели, описываемые дифференциальными уравнениями Статические и динамические модели
- Простейшие модели, описываемые ду первого порядка: уравнения Мальтуса и Ферхюльста
- Стационарные состояния и устойчивость
- Переменные состояния и фазовые траектории
- Системы дифференциальных уравнений. Модель «хищник – жертва»
- Переход от дифференциального уравнения высокой степени к системе дифференциальных уравнений первой степени. Модель колебаний сердечной мышцы.
- Аналитическое и численное решения дифференциальных уравнений
- Тема 3. Стохастическое моделирование
- Параметры случайной величины
- Равномерное распределение
- Нормальное распределение
- Метод Монте-Карло
- Искусственные нейронные сети
- Биологический прототип
- Искусственный (математический) нейрон
- Нейронная сеть без обратных связей - персептрон
- Обучение нейронных сетей
- Нейронные сети с обратными связями
- Генетические алгоритмы оптимизации
- Операции с нечеткими множествами
- Нечеткое управление