Нейронные сети и нейроконтроллеры. Бураков М.В. - 20 стр.

UptoLike

Составители: 

20
На практике многие задачи можно назвать трудно формализуе-
мыми, поскольку для них имеются частные алгоритмы, а универ-
сальный алгоритм не известен. К этому классу задач относятся та-
кие традиционные задачи искусственного интеллекта, как задачи
управления сложными системами, распознавания образов, класте-
ризации данных, предсказания, аппроксимации функций и т. п.
Нейрокомпьютер является эффективным инструментом для ре-
шения трудно формализуемых задач.
1.4. Классификация нейронных сетей
Наиболее общая классификация ИНС делит их на два класса
в зависимости от наличия обратных связей. Если ИНС не имеет
обратных связей, то она называется статической, а если обрат-
ные связи существуют, то сеть динамическая (рекуррентная). На
рис. 1.4 показаны наиболее распространенные типы ИНС, относя-
щиеся к этим двум классам.
Еще один принцип классификации ИНС основан на их тополо-
гии. Соответственно можно выделить полносвязные, многослой-
ные и слабосвязанные, а также модульные ИНС.
В полносвязных ИНС каждый нейрон передает выходной сиг-
нал остальным нейронам, в том числе и самому себе. Все входные
сигналы подаются всем нейронам. Выходными сигналами сети мо-
гут быть все или некоторые выходные сигналы нейронов после не-
Рис. 1.4. Классификация нейронных сетей
Нейронные сети
Статические
Динамические
Сети прямого
распространения
RBF-сети
Кохонена
Хопфилда
Хемминга
Персептрон
ADALINE
Элмана
ART-сети