Классификация искусственных нейронных сетей

По топологии (рис. 10, рис. 11):

Ÿ полносвязные (каждый нейрон связан со всеми остальными нейронами, в том числе и сам с собой);

Ÿ многослойные (нейроны располагаются слоями и каждый нейрон последующего слоя связан со всеми нейронами текущего слоя).

Рис. 10. Полносвязная нейронная сеть Рис. 11. Слоистая нейронная сеть

По организации обучения:

Ÿ с учителем (нейронную сеть обучают, подавая на вход значения обучающей выборки и предоставляя требуемые выходные значения);

Ÿ без учителя (на входы нейронной сети подают множество объектов и нейронная сеть сама делит их на кластеры или классы).

По типам структур (рис. 12) :

Ÿ нейроны с одним типом функции активации (все нейроны сети имеют одну функцию активации f(x), например, линейную);

Ÿ нейроны с несколькими типами функций активации (нейроны сети имеют различные функции активации).

Рис.12 Активационные функции

По типу связей:

Ÿ прямого распространения (без обратных связей между нейронами, к таким сетям относятся однослойный и многослойный персептроны, сеть радиальных базисных функций);

Ÿ рекуррентные (с обратной связью, от выходов нейронов к входам, к таким сетям относятся соревновательные сети и сеть Хопфилда).

По типу сигнала:

Ÿ бинарные (на входы подаются только нули и единицы);

Ÿ аналоговые (на входы нейронов подаются значения непрерывных функций).

Однослойные искусственные нейронные сети

Один нейрон способен выполнять простейшие процедуры распознавания, но только соединение нескольких нейронов способно решить практически полезную задачу. Простейшая сеть (рис. 13) состоит из группы нейронов, образующих слой).