Системы искусственного интеллекта. Гудков П.А. - 44 стр.

UptoLike

ВУЗ: 

ПГУ | Пенза

Составители: 

Рубрика: 

44
Рис. 4.13
При моделировании работы нейронной сети в Excel следует
использовать следующие формулы для вычисления функций активации
(передаточных функций) нейрона:
· Линейная (PURELIN): y = x
· Логистическая (LOGSIG): y = 1/(1+exp(-x))
· Гиперболический тангенс (TANSIG):
y = (exp(x)-exp(-x))/(exp(x)+exp(-x)) = tanh(x)
При этом математическая модель нейрона описывается следующими
соотношениями:
y = f(w
1
x
1
+w
2
x
2
+...+w
N
x
N
+b)
где w
i
– вес синапса (в данной работе используется нейронная сеть с
двумя слоями, которые характеризуются матрицами весов, обозначаемыми
IW (Input Weight) и LW (Layer Weight)), b – значение смещения (bias), x
i
–
                                   Рис. 4.13

     При моделировании работы нейронной                сети в   Excel следует
использовать следующие формулы для вычисления функций активации
(передаточных функций) нейрона:
  · Линейная (PURELIN): y = x
  · Логистическая (LOGSIG): y = 1/(1+exp(-x))
  · Гиперболический тангенс (TANSIG):
     y = (exp(x)-exp(-x))/(exp(x)+exp(-x)) = tanh(x)


     При этом математическая модель нейрона описывается следующими
соотношениями:
     y = f(w1x1+w2x2+...+wNxN+b)
     где wi – вес синапса (в данной работе используется нейронная сеть с
двумя слоями, которые характеризуются матрицами весов, обозначаемыми
IW (Input Weight) и LW (Layer Weight)), b – значение смещения (bias), xi –


                                                                           44

Страницы