Нейросетевые модели для систем информационной безопасности. Брюхомицкий Ю.А. - 136 стр.

UptoLike

ВУЗ: 

ТТИ ЮФУ | Таганрог

Составители: 

Рубрика: 

136
W
2
1...
............
...1
...1
...
............
...
...
21
22221
11211
ε−ε−
ε−ε−
ε−ε−
==
LLLL
L
L
www
www
www
,
Lkj ,1, =
. (13.3)
Слой MAXNET функционирует в режиме WTA (Winner Takes All −
Победитель получает все), когда в установившемся режиме в слое остается
активированным только один нейрон, а остальные находятся в невозбужденном
состоянии. Отличное от нуля значение выходного сигнала единственного
активированного нейрона
)2(
k
z
, указывает на принадлежность входного образа
к соответствующему классу
Lk ,1=
учебных образцов.
Сеть имеет две фазы функционирования. В первой фазе на входы сети
подается неизвестный входной вектор X = (x
1
, х
2
, …, х
N
),
Ni ,1=
. На выходах
первого рабочего слоя формируются выходные сигналы
∑
=
−⋅==
N
i
jiijjj
QxwFyFz
1
)1(
)()(
,
Ni ,1=
,
Lj ,1=
, (13.4)
которые задают начальные состояния нейронов второго слоя − MAXNET.
Во второй фазе инициировавшие слой MAXNET сигналы удаляются, и из
сформированного ими начального состояния запускается итерационный
процесс внутри второго слоя. Итерационный процесс завершается в момент,
когда все нейроны, кроме одного (победителя с выходным сигналом, отличным
от нуля), перейдут в нулевое состояние. Нейрон-победитель
с ненулевым
выходным сигналом становится представителем класса данных, которому
принадлежит входной вектор X.
Процесс определения нейрона-победителя – это рекуррентный процесс,
выполняемый в соответствии с выражением
LkjpzwyFpz
L
j
jjkk
k
,1,,)]1([)()(
1
)2()2(
=−⋅==
∑
=
, (13.5)
при начальном значении
)1()2(
)0(
jj
zz =
.
Активационная функция F(y
k
), как и для первого слоя, выбирается
линейная с насыщением:

Страницы