ВУЗ:
Составители:
Рубрика:
50
сети и распознавать до 2
т
различных изображений. Правда, применение этой
сети для распознавания 2
т
(или близких к 2
т
чисел) различных изображений
может приводить к неразрешимым проблемам адаптации весов связей
нейросети. Поэтому часто рекомендуют использовать данную
архитектуру для распознавания только т различных изображений, задавая
каждому из них единичный выход только на выходе одного A-элемента
(выходы остальных при этом должны принимать значение "–1").
Рис. 5.2. Нейронная сеть из т элементов
Однослойная нейронная сеть с двоичными нейронами, приведенная на
рис. 5.2, может быть обучена с помощью алгоритма на основе правила Хебба.
В этом случае она называется сетью Хебба. Использование других
алгоритмов обучения этой же сети приводит и к изменению названия
нейронной сети. Использование в названии сетей их алгоритмов обучения
характерно для теории нейронных сетей. Для биполярного представления
сигналов возможно обучение нейросети с помощью следующего алгоритма:
Шаг 1. Задается множество М = {(X
1
, t
l
), ..., (Х
т
, t
m
)} состоящее из пар
{входное изображение
(
)
k
n
kk
xxX ,...,
1
= , необходимый выходной сигнал
нейрона t
k
, (
mk ,1= )}. Инициируются веса связей нейрона:
minjw
ji
,1,,1,0 ===
Шаг 2. Каждая пара (X
k
, t
k
), проверяется на правильность реакции
нейронной сети на входное изображение. Если полученный
выходной вектор сети
(
)
k
n
k
yy ,...,
1
, отличается от заданного
(
)
k
n
k
ttt ,...,
1
1
= , то выполняют шаги 3-5.
Шаг 3. Инициируется множество входов нейронов:
njxxx
k
jj
,1,,1
0
===
Шаг 4. Инициируются выходные сигналы нейронов:
mity
k
ii
,0, ==
.
.
.
A
1
A
j
A
m
.
.
.
.
.
.
.
.
.
y
1
y
j
y
m
w
11
w
1j
w
1m
w
j1
w
m1
w
jj
w
jm
w
mm
w
mj
сети и распознавать до 2т различных изображений. Правда, применение этой
сети для распознавания 2т (или близких к 2т чисел) различных изображений
может приводить к неразрешимым проблемам адаптации весов связей
нейросети. Поэтому часто рекомендуют использовать данную
архитектуру для распознавания только т различных изображений, задавая
каждому из них единичный выход только на выходе одного A-элемента
(выходы остальных при этом должны принимать значение "–1").
w11 y1
A1
.. w1m
w1j wj1
wm1
..
wjj yj
Aj
.. wmj ..
wjm ym
wmm Am
Рис. 5.2. Нейронная сеть из т элементов
Однослойная нейронная сеть с двоичными нейронами, приведенная на
рис. 5.2, может быть обучена с помощью алгоритма на основе правила Хебба.
В этом случае она называется сетью Хебба. Использование других
алгоритмов обучения этой же сети приводит и к изменению названия
нейронной сети. Использование в названии сетей их алгоритмов обучения
характерно для теории нейронных сетей. Для биполярного представления
сигналов возможно обучение нейросети с помощью следующего алгоритма:
Шаг 1. Задается множество М = {(X1, tl), ..., (Хт, tm)} состоящее из пар
{входное изображение X k = (x1k ,..., x nk ), необходимый выходной сигнал
нейрона tk, ( k = 1, m )}. Инициируются веса связей нейрона:
w ji = 0, j= 1, n, i= 1, m
Шаг 2. Каждая пара (Xk, tk ), проверяется на правильность реакции
нейронной сети на входное изображение. Если полученный
выходной вектор сети (y1k ,..., y nk ) , отличается от заданного
t 1= (t1k ,..., t nk ), то выполняют шаги 3-5.
Шаг 3. Инициируется множество входов нейронов: x0 = 1, x j = x kj , j = 1, n
Шаг 4. Инициируются выходные сигналы нейронов: y i = t ik , i = 0, m
50
