Многослойные сети.
Рисунок - Схема многослойного персептрона
Устанавливаются связи только между нейронами соседних слоев. Каждый слой соединен модифицированной связью с любым нейроном соседних слоев. Между нейронами одного слоя связей нет. Каждый нейрон может посылать сигнал только в вышестоящий слой и принимать выходной сигнал только из нижестоящего слоя. Выходные сигналы подаются на нижний слой, а выходной вектор определяется путем последовательных вычислений уравнений активных элементов каждого слоя снизу вверх с использованием уже известных значений активных элементов предшествующих слоев.
При распознавании образов входной вектор соответствует наибольшему признаку, а выходной- распознаваемым образам:
4-7-4-3
Число нейронов в следующем слое в два раза меньше, чем предыдущем.
Простой персептрон формирует границы области решений в виде гиперплоскости. Двухслойный персептрон выполняет множество функций.
Рекуррентные сети.
Эти сети содержат образы связей. Благодаря им становится возможным получать отличные значения при одних и тех же входных данных.
|
|
Рисунок - Схема рекуррентной сети
Особенность способа заключается в представлении появления новых объектов.
Модель Хопфилда.
В данной модели также используются правила Хебба. Основана на простом предположении, которое заключается в том, если два нейрона возбуждены вместе, то сила связи возрастает, если порознь, то уменьшается связь. Сеть Хопфилда строится с учетом следующих условий:
1. Все элементы связаны со всеми;
2. Прямые и обратные связи симметричны;
3. Диагональные элементы матрицы связей равны 0, т.е. исключаются обратные связи с выходом на входе одного нейрона.
Сеть Хопфилда может выполнять функции ассоциативной памяти,
обеспечивая сходность к тому образу, в область которого попадает начальный образец. Этот подход привлекателен тем, что нейронная сеть запрограммирована без обучения итераций.
Хопфилд выявил функции энергии нейронной сети.
Это функциональное описание поведения сети через стремление к минимуму энергии, которое соответствует заданному набору образов. Веса связей вычисляются на основе вида функции энергии.
Машина Больцмана развивает теорию Хопфилда. Ее предложили Хинтон и Земел. Используется для решения комбинаторных задач. Эти сети получили применение в основе реализации подсистем более сложных. Эти сети также имеют определенные недостатки. Недостатки заключаются в:
1) Предположении о симметричности связи между элементами, без которых нельзя ввести понятие энергии.
2) Нейронная сеть – это устройство для запоминания и обработки информации. Закон энергии играет вспомогательную роль, а не устраивает минимизацию энергии. Сеть Хопфилда поддерживает много лишних связей. В реальности система этого не поддерживает. Происходит освобождение от сильных связей за счет их структуризации. При этом вместо органов связи всех со всеми используется многослойная иерархическая система связи.
|
|
Самоорганизованные сети Кохонена.
Идея сетей с самоорганизацией на основании конкуренции между нейронами базируется на применении специальных алгоритмов самообучения(ИНС).
Сети Кохонена обычно содержат один выходной слой обработки элементов с пороговой передаточной функцией. Число нейронов в выходном слое соответствует комплексному распознаванию классов.
Настройка параметров межнейронных соединений проводится автоматически на основе меры близости векторов - весовых коэффициентов настраиваемых связей к вектору входного сигнала в евклидовом пространстве. В конкурентной борьбе побеждает нейрон со значениями весов наиболее близком к нормализованным векторов входных сигналов. Кроме того в самоорганизованных сетях возможна классификация входных образцов.