ВУЗ:
Составители:
156
12 0,7071
−0,7071
0,0000
13 0,4472
−0,8944
0,0000
14 0,7071
−0,7071
0,0000
15 0,8321
−0,5547
0,0000
С
16 0,7071
−0,7071
0,0000
0,0000
Применение ВНС. ВНС не является столь общей, как некоторые другие
многослойные сети. Например, в отличие от многослойных сетей с обратным
распространением ошибки, способных моделировать отображение общего вида,
ВНС в своей базовой архитектуре ограничивается только задачами
классификации. Вместе с тем, практическая потребность в решении задач
классификации достаточно велика, а классификацию ВНС выполняет очень
хорошо
. Они быстро обучаются, допускают наличие ошибочных данных и
обеспечивают полезные результаты даже на малых выборках учебных данных.
Однако ВНС оказываются весьма требовательными в отношении ресурсов. Для
задач, требующих большого объема обучающих данных (сотни и тысячи
примеров), классификация на основе ВНС может потребовать значительного
времени. В таких случаях становится целесообразной аппаратная
поддержка
вычислений на основе ВНС.
ВНС могут быть и более сложными, чем сеть, описанная выше. Например,
для каждого входного признака можно использовать разные значения σ −
ширины функции Гаусса, определяющей ее влияние. Можно также строить
ВНС для классификации многомерных векторов Х, имеющих различный
масштаб по каждой оси (коррелированные входные данные) Существуют и
другие усложненные модификации ВНС.
