Искусственные нейронные сети. Каширина И.Л. - 9 стр.

                                        9
                              § 2. НЕЙРОСЕТИ

               2.1. Классификация и свойства нейросетей

                  Однослойные искусственные нейронные сети
     Хотя один нейрон и способен выполнять простейшие процедуры распознава-
ния, сила нейронных вычислений проистекает от соединений нейронов в сетях.
Простейшая сеть состоит из группы нейронов, образующих слой, как показано в
правой части рис. 4. Отметим, что вершины-круги слева служат лишь для распре-
деления входных сигналов. Они не выполняют каких- либо вычислений и поэтому
не будут считаться слоем. По этой причине они обозначены кругами, чтобы отли-
чать их от вычисляющих нейронов, обозначенных квадратами. Каждый элемент
из множества входов Х отдельным весом соединен с каждым искусственным ней-
роном. А каждый нейрон выдает взвешенную сумму входов в сеть. В искусствен-
ных и биологических сетях многие соединения могут отсутствовать, все соедине-
ния показаны в целях общности. Могут иметь место также соединения между вы-
ходами и входами элементов в слое. Удобно считать веса элементами матрицы W.
Матрица имеет n строк и m столбцов, где n - число входов, а m - число нейронов.
Например, w23 - это вес, связывающий второй вход с третьим нейроном. Таким
образом, вычисление выходного вектора Y, компонентами которого являются вы-
ходы yi нейронов, сводится к матричному умножению Y = XW.




                      Рис 4. Простейшая однослойная нейронная сеть


                Многослойные искусственные нейронные сети
     Более крупные и сложные нейронные сети обладают, как правило, и боль-
шими вычислительными возможностями. Хотя созданы сети всех конфигураций,
какие только можно себе представить, послойная организация нейронов копирует
слоистые структуры определенных отделов мозга. Оказалось, что такие много-
слойные сети обладают большими возможностями, чем однослойные, и в послед-
ние годы были разработаны многообразные алгоритмы для их обучения.