Нейросетевые модели для систем информационной безопасности. Брюхомицкий Ю.А. - 36 стр.

UptoLike

Составители:

Рубрика:

Рис. 3.10. Графики функции гиперболического тангенса

График производной этой функции имеет такой же вид, как и для

сигмоидальной функции (см. рис. 3.9).

Другие модели нейронов. Описанные выше модели формального и

градуального нейронов являются наиболее простыми и широко применяются на

практике. Однако они игнорируют многие свойства своего биологического

прототипа, которые некоторые исследователи считают важными или даже

решающими: динамические свойства, временные задержки, эффекты

синхронизации и частотной модуляции, рефрактерность (временную

нечувствительность), аккомодацию (привыкание) и др.

Специалистами по нейронному моделированию

предложено большое

число моделей нейронов, которые в той или иной степени учитывают

различные свойства биологических нейронов. Такие модели, как правило,

существенно более сложны и не находят широкого применения для решения

практических задач. По-видимому, их ценность в большей степени следует

рассматривать в ракурсе первой из названных выше целей нейронного

моделирования,

а именно – для получения новых знаний о строении и функциях

живого мозга.

При решении большинства практических задач немаловажное значение

имеют чисто потребительские качества моделей, главное из которых – простота.

Поэтому, несмотря на существенные ограничения, принятые в моделях ФН и

ГН, искусственные нейронные сети, построенные на основе этих моделей,

демонстрируют многие свойства, сильно

напоминающие свойства

биологических систем, и получили наибольшее распространение.

z(t)

y(t)

–1

V(t)

z(t)

–1