Интеллектуальные информационные системы. Макаренко С.И. - 143 стр.

большие, и предотвращает насыщение от больших сигналов, так как они
соответствуют областям аргументов, где сигмоид имеет пологий наклон.

                      15.4 Простейшая нейронная сеть

    В качестве примера простейшей нейронной сети (НС) рассмотрим
трехнейронный перцептрон (рисунок 3), то есть такую сеть, нейроны которой
имеют активационную функцию в виде единичного скачка.




                      Рисунок 15.4 - Однослойный перцептрон

    На n входов НС поступают некие сигналы, проходящие по синапсам на 3
нейрона, образующие единственный слой этой НС и выдающие три
выходных сигнала [1]:
             n         
    y j = f ∑ xi ⋅ wij  , j =1...3                              (15.5)
             i =1      
    Очевидно, что все весовые коэффициенты синапсов одного слоя
нейронов можно свести в матрицу W, в которой каждый элемент wij задает
величину i-ой синаптической связи j-ого нейрона. Таким образом, процесс,
происходящий в НС, может быть записан в матричной форме:
    Y = F(XW)                                                      (15.6)
где X и Y – соответственно входной и выходной сигнальные векторы, F(V) –
активационная функция, применяемая поэлементно к компонентам вектора
V.

  15.5 Однослойная нейронная сеть и персептрон Розенблата

    Perceptron Розенблатта (F.Rosenblatt, 1957) явился исторически первой
искусственной нейронной сетью, способной к перцепции (восприятию) и
формированию реакции на воспринятый стимул. Термин «Perceptron»
происходит от латинского perceptio, что означает восприятие, познавание.
Русским аналогом этого термина является «Персептрон». Его автором
персептрон рассматривался не как конкретное техническое вычислительное

                                       142