Методические указания к лабораторным работам по курсу "Нейрокомпьютерные системы". Домашова Д.В - 9 стр.

2.2 Нейроподобная сеть

      Нейроподобная сеть представляет собой совокупность формальных нейро-
нов, определенным образом соединенных друг с другом и с внешней средой.
      Входной вектор (координирующее входное воздействие или образ внешней
среды) подается на сеть путем активации входных нейроподобных элементов.
      Множество выходных сигналов нейронов сети y1, …, yn называют вектором
выходной активности, или паттерном нейронной сети.
      Веса связей нейронов сети удобно представлять в виде матрицы W, где wij -
вес связи между i и j-м нейронами.
      В процессе функционирования сети осуществляется преобразование вход-
ного вектора в выходной.
      Конкретный вид выполняемого сетью преобразования информации обу-
славливается не только характеристиками нейроподобных элементов, но и осо-
бенностями ее архитектуры, т.е. той или иной топологии межнейронных связей,
выбором определенных функционирования сети нейроподобных элементов для
входа и выхода, направлением и способами управления и синхронизации инфор-
мационных потоков между нейронами и т.д.


2.3 Обученние нейроподобной сети

      Одно из важнейших свойств нейроподобной сети - способность к самоорга-
низации, самоадаптации с целью улучшения качества функционирования.
      Это достигается обучением сети, алгоритм которого задается набором обу-
чающих правил.
      Обучающие правила определяют, каким образом изменяются связи в ответ
на входное воздействие.
      Самуэль сумел настроить небольшой компьютер и научить его играть в
шашки (1947г). В 1949году - перешел в лабораторию IBM. В 1962году - стала иг-
рать в шашки лучше местного чемпиона штата.
      В программе была предусмотрена возможность накапливать опыт и дейст-
вовать исходя из него.
      Давая численные оценки разным вариантам, программа принимала во вни-
мание, насколько удачным оказывались подобные коды (в программе т.о. маши-
ной руководили не только встроенные эвристики, но и "мудрость" рожденная
опытом подобно человеку, машина приобретала способность учится на собствен-
ных ошибках).
      Многие плавила обучения являются развитием высказанной Хеббом идеи о
том, что обучение основано на увеличение силы связи (синоптического веса) меж-
ду одновременно активными нейронами.

10