Нейросетевые модели для систем информационной безопасности. Брюхомицкий Ю.А. - 124 стр.

UptoLike

Составители:

Рубрика:

124

не дает лучших результатов. Поэтому применение нейронных сетей в этом

случае можно считать вполне оправданным. Для аналоговой реализации сети

время решения занимает всего несколько постоянных времени сети. Более того,

время решения мало зависит от размерности задачи, что резко отличает этот

метод от других численных методов.

При решении других оптимизационных задач с

помощью сети Хопфилда

определение функции энергии для каждой конкретной задачи не является

тривиальным и зависит, как правило, от математических способностей,

изобретательности и таланта исполнителя.

Другие типы рекуррентных сетей. Рассмотренная выше сеть Хопфилда −

не единственный представитель РС. Существуют РС, представляющие собой

развитие однонаправленных многослойных сетей перцептронного типа, за счет

введения

в них соответствующих обратных связей. Обратные связи могут

исходить из выходного или из скрытого слоя. В каждом контуре такой связи

есть элемент единичной задержки, благодаря которому поток сигналов может

считаться однонаправленным (выходной сигнал предыдущего временного

цикла рассматривается как априори заданный, который просто увеличивает

размерность входного вектора сети). Алгоритм обучения таких

сетей

оказывается более сложным, чем классических однонаправленных сетей.

Наиболее известными из таких рекуррентных сетей являются [15]:

• «Рекуррентный многослойный перцептрон» (РМП)

(англ.: Recurrent MultiLayer Perceptron − RMLP);

• «Pекуррентная сеть реального времени» (РСРВ)

Вильямса-Зипсера (англ.: Real Time Recurrent Network − RTRN);

• Рекуррентная сеть Эльмана.