Нейросетевые структуры и технологии. Часть 1. Электрические и математические модели нейронов. НС прямого распространения. Клюкин В.И - 25 стр.

                                  входной слой        скрытый   выходной слой
                 а)                                       б)




                 в)                                       г)
                      Рис. 3.1. Архитектуры нейронных сетей:
  а – полносвязная НС; б – многослойная НС прямого распространения; в – слабосвязная НС
          с окрестностью фон Неймана; г – слабосвязная НС с окрестностью Мура

      Выбор структуры НС обусловлен спецификой решаемой задачи и
подчиняется следующим правилам:
      � информационная мощность НС возрастает с увеличением числа
слоев, нейронов, связей, усилению мощности НС способствует также ис-
пользование в ее составе различных типов нейронов;
      � возможности НС увеличивает введение ОС, однако при этом воз-
никает проблема обеспечения динамической устойчивости сети.
      Вопрос о необходимых и достаточных свойствах НС для решения тех или
иных задач представляет собой целое направление нейрокомпьютерной науки.
Подробные рекомендации здесь практически отсутствуют и в большинстве слу-
чаев оптимальный вариант получается на основе интуитивного подбора, хотя в
принципе для любого алгоритма существует реализующая его НС.
      Подавляющая часть прикладных задач может быть сведена к реали-
зации некоторого многомерного функционального преобразования (вход)
X�Y (выход), где правильность выходных сигналов необходимо обеспе-
чить в соответствии:
      � со всеми примерами обучающей выборки;
      � со всеми возможными входными сигналами, не вошедшими в
обучающую выборку, что в значительной степени осложняет задачу фор-
мирования последней.
      Вообще говоря, построить многомерное отображение X�Y – это зна-
чит представить его с помощью математических операций над не более чем
двумя переменными. В результате многолетней научной полемики между

                                                 25