Нейросетевые модели для систем информационной безопасности. Брюхомицкий Ю.А. - 132 стр.

UptoLike

Составители:

Рубрика:

132

подача на вход сети обучающего набора входных векторов заставляет ее

изменять энергетическое состояние до получения резонанса. Постепенно

кратковременная память превращается в долговременную память, настраивая

сеть в результате ее функционирования. Один или оба вектора, подаваемые на

адаптивную ДАП, могут быть зашумленными версиями эталона, и сеть

обучается векторам, свободным от шума. Так как

непрерывная ДАП является

стабильной независимо от значения весов, то и медленное изменение ее весов

не нарушает этой стабильности. Б. Коско доказал стабильность и адаптивной

ДАП.

Конкурирующая ДАП. Во многих конкурирующих нейронных системах

наблюдаются некоторые виды конкуренции между нейронами. В нейронах,

обрабатывающих сигналы от сетчатки, латеральное торможение приводит к

увеличению выходных

сигналов наиболее высокоактивных нейронов за счет

соседних. Такие системы увеличивают контрастность, поднимая уровень

активности нейронов, подсоединенных к яркой области сетчатки, в то же время

еще более ослабляя выходы нейронов, подсоединенных к темным областям.

ДАП, в которой вводится конкуренция между нейронами внутри каждого

слоя, называется конкурирующей [16]. Конкуренция реализуется с помощью

дополнительных

соединения нейронов внутри каждого слоя по типу

латерального торможения. Веса этих связей формируют другую весовую

матрицу с положительными значениями элементов главной диагонали и

отрицательными значениями остальных элементов. Теорема Кохонена-

Гроссберга показывает, что такая сеть является безусловно стабильной, если

весовые матрицы симметричны.