Нейросетевые модели для систем информационной безопасности. Брюхомицкий Ю.А. - 39 стр.

UptoLike

ВУЗ: 

ТТИ ЮФУ | Таганрог

Составители: 

Рубрика: 

39
В ИНА (рис. 4.3) в качестве нейронов Н
1
−Н
4
используются ГН с
параметрами: w
23
= w
24
= 1; w
13
= w
34
= –1; Q
1
− Q
4
= 0; F
1
− F
4
= а·x (а=1).
На рис. 4.4. приведена схема ИНА, реализующего функцию
эквивалентности (равенства) входных сигналов.
z = z
4
= eqv(x
1
, x
2
)
Рис. 4.4. ИНА, реализующий функцию эквивалентности двух сигналов
В ИНА (рис. 4.4) в качестве нейронов Н
1
−Н
5
используются ГН с
параметрами: w
13
= w
24
= 1; w
14
= w
23
= –1; w
15
= w
25
= 0,5; w
35
= w
45
= –100; Q
1
−
Q
5
= 0; F
1
− F
5
= a·x (а=1).
Другим примером применения ИНА является реализация функций
классификации и ранжирования (сортировки).
Пусть, например, необходимо отслеживать и классифицировать
соотношение между двумя сигналами х
1
и х
2
, а точнее − фиксировать факты: х
1
< х
2
; х
1
> х
2
; х
1
= х
2
. В базисе «нейронной логики» такая задача решается с
помощью ИНА, показанном на рис. 4.5.
Рис. 4.5. ИНА, реализующий функцию классификации входных сигналов
В ИНА (рис. 4.5) в качестве нейронов Н
1
−Н
7
используются ГН с
параметрами: w
13
= w
15
= w
16
= w
24
= w
27
= w
26
= 1; w
14
= w
23
= –1; w
35
= w
36
= w
47
= w
46
= w
65
= w
67
= –100; Q
1
− Q
7
= 0; F
1
− F
4
= a·x; F
5
− F
7
= sign x.
Логика работы ИНА (рис. 4.5) описывается выражением
x
2
x
1
z
5
Н
1
Н
2
Н
3
Н
4
Н
5
z
5
z
7
z
6
x
2
x
1
Н
7
Н
1
Н
3
Н
2
Н
4
Н
6
Н
5

Страницы