Интеллектуальный анализ данных в менеджменте. Кричевский М.Л. - 18 стр.

UptoLike

Составители:

Рубрика:

Важную роль в искусственных нейронных сетей выполняет функ"

ция активации, под воздействием которой искусственный нейрон пре"

образует взвешенную сумму входных сигналов и вырабатывает выход"

ной сигнал. Такая операция является основной. Обычно одна и та же

функция активации используется во всех нейронах данного слоя сети,

хотя иногда могут быть исключения из этого правила. В большинстве

случаев применяется нелинейная функция активации, в качестве кото"

рой в нейросетевой технологии распространены так называемая сигмо"

идная функция и функция гиперболического тангенса. Применение та"

ких функций обусловлено, в основном, двумя обстоятельствами: огра"

ничением величины сигнала после операций умножения и суммирова"

ния и простыми соотношениями между этими функциями и их первы"

ми производными, которые используются в методе обучения многослой"

ных сетей.

Сигмоидная функция и ее производная имеют следующий вид:

() [1 exp( )] ,

() ()[1 ()].

fx x

f x fx fx

12 34

14 3

Входящий в формулу параметр b, величина которого влияет на

форму кривой, подбирается пользователем.

Значения этой функции лежат в диапазоне от 0 до 1, поэтому ее

часто применяют в ситуациях, когда требуемые выходные значения

являются бинарными или находятся в указанном диапазоне. Иног"

да такую функцию называют бинарной сигмоидой. На рис. 1.8 изоб"

ражен график сигмоидной функции при различных значениях b

(кривая 1  b =0,2; кривая 2 – b = 2; кривая 3 – b = 10).

Рис. 1.8