(CPN-сети).
Объединяя разнотипные нейронные структуры в единую архитектуру, можно получить нейронную сеть, обладающую свойствами, которых нет у них по отдельности. Нейронная сеть встречного распространения соединяет в себе свойства самоорганизующейся сети Кохонена, и концепцию Outstar-сети Гроссберга.
В рамках этой архитектуры, элементы слоя сет Кохонена не имеют прямого выхода во внешнюю среду. Они служат входами для выходного слоя, в котором связям адаптивно придаются веса Гроссберга.
CPN-сеть, осуществляет постепенное построение искомого отображения, входного вектора в выходной вектор, на основе примеров действия такого отображения. Данная нейронная сеть хорошо решает задачи, в которых нужна способность адаптивного формирования математического отображения, по его точным значениям в отдельных точках.
Характеристики CPN – сетей существенно превосходят возможности сетей с одним скрытым слоем нейронов.
Например:
Время обучения CPN – сетей задачам кластеризации и распознавания образов, более чем в 100 раз меньше времени обучения аналогичным задачам сетей с обратным распространением ошибки.
|
|
Важной характеристикой CPN – сетей является её хорошая способность к обобщению. Это даёт возможность получать правильный выход, даже при зашумлённом или неполном входном векторе.
По этому данная сеть может эффективно использоваться для распознавания образов, восстановления образов (ассоциативная память) и для усиления сигнала.
CPN – сети успешно применяются также в экономических и финансовых приложениях.
Например, при рассмотрении заявок на предоставления займов; предсказание трендов цен акций, товаров и курсов обмена валют.
В процессе обучения CPN =- сети входные векторы ассоциируется с соответствующими выходными векторами, которые могут быть двоичными (0 или 1) или непрерывными (от 0 до 1).
После обучения нейросети формируются выходные сигналы, которые соответствуют входным сигналам. CPN – сеть имеет 2 слоя с последовательными связями:
1 слой – слой Кохонена
2 слой – слой Гроссберга.
Каждый элемент входного сигнала подаётся на все нейроны слоя Кохонена. Каждый нейрон слоя Кохонена, соединён со всеми нейронами слоя Гроссберга.
Отличие CPN – сети от других многослойных сетей с последовательными связями, состоит в операциях выполняемых нейронами Кохонена и Гроссберга