Нейронные сети и нейроконтроллеры. Бураков М.В. - 175 стр.

UptoLike

ВУЗ: 

СПб ГУАП | Санкт-Петербург

Составители: 

Рубрика: 

175
Для каждого нейрона рассчитывается величина
1
1
.
exp
j
j
P
E
T
=
æö
æö
÷
ç÷
ç
÷
÷
ç
+-
ç
÷
÷
ç
ç
÷
÷
ç
÷
ç
èø
èø
Состояние нейрона находят путем сравнения Р
j
и случайного
числа k ∈ [0,1]. Если Р
j
> k, то Y
j
= 1.
Процедура обучения включает в себя три циклически повторя-
ющихся этапа:
1 этап
1.1. На вход и выход сети кратковременно подается обучающая
пара векторов.
1.2. В сети происходит динамический процесс до достижения
равновесия.
1.3. Записываются выходные значения всех нейронов.
1.4. Повторяются шаги 1.1 – 1.3 для всех обучающих пар.
1.5. Вычисляется так называемая закрепленная вероятность
ij
P
+
как отношение числа опытов, когда выходы нейронов i и j од-
новременно равны единице, к общему числу опытов.
2 этап
2.1. Сети придается случайное состояние и рассматривается со-
стояние после завершения переходного процесса. Выходы нейро-
нов фиксируются.
2.2. Шаг 2.1 повторяется много раз.
2.3. Вычисляются так называемые незакрепленные вероятно-
сти
–
ij
P
как отношение числа опытов, когда выходы нейронов i и j
одновременно равны единице, к общему числу опытов.
3 этап
3.1. Веса сети корректируются по формуле
( ),
ij ij ij
ij
ww PPη
+-
=+ -
где η – константа обучения.
6.4. Нейронная сеть Хэмминга
Нейронная сеть Хэмминга является моделью ассоциативной па-
мяти. Еее можно рассматривать как развитие сети Хопфилда.
Основная идея функционирования этой сети состоит в парал-
лельном вычислении расстояния Хэмминга между предъявляе-

Страницы