Определение искусственной нейронной сети. Однослойный и многослойный персептроны

Искусственная нейронная сеть –множество нейронов соединенных между собой т.о., что: 1) ряд нейронов отмечены, как входные, а некоторые другие как выходные,

2) активационные функции считаются неизменными в работе сети, а веса являются параметрами сети и корректируются.

Односл. персептрон Розенблата

Многослойный персептрон Ujk – выходные сигналы k-го слоя.

Классификация ИНС. Задачи, решаемые с помощью нейронных сетей. Нейронные сети классифицируются следующим образом: I. С точки зрения топологии 1.Полносвязные Сеть Хопфильда 2.Многослойные а) полносвяные б) частично полносвязные 2. С обратными связями (рекурентные) Сеть Элмана Сеть Жордана (обратные связи через слой) 3. Слабосвязные. Сеть Кохонена

II. По типам структур нейронов: 1. Гомогенные. Функции активации всех нейронов одинаковые 2. Гетерогенные. Функции активации всех нейронов разные III. По видам сигналов, которыми оперируют нейронные сети 1.Бинарные(от 0 до 1) 2.Сигналовые- оперируют действительными числами. IV.По методу обучения 1.Обучение с учителем 2.Обучение без учителя 3.Смешанные Классы задач, решаемых нейросетями: 1.Задача распознавания образов (задача классификации) 2.Задача кластеризации. В нейросетевом базисе используется для сжатия данных, анализа данных, поиска закономерностей 3.Аппроксимация функций Постановка задачи: Формируется набор экспериментальных данных . Требуется найти функцию, аппроксимирующую некоторую неизвестную функцию и удовлетворяющую некоторым критериям 4.Предсказание(прогнозирование) Дается временной ряд: Требуется предсказать значение у в момент времени 5.Оптимизация Применяется в задачах, поиск решений в которых очень большая размерность