Нейронные сети встречного распространения

(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