Интеллектуальные информационные системы. Макаренко С.И. - 154 стр.

        2.2 по изменяемым показателям состояния нейрона:
          - веса синапсов нейронов,
          - веса синапсов и пороги нейронов,
          - установление новых связей между нейронами;
        2.3 по принципу моделирования времени:
          - сети с непрерывным временем,
          - сети с дискретным временем.
    Для программной реализации применяется, как правило, дискретное
время.
    3. По особенностям обучения нейронных сетей различают [3]:
        3.1 по наличию учителя:
          - с учителем (supervised neural networks),
          - без учителя (nonsupervised).
        3.2 по способу обучения:
          - обучение по входам,
          - обучение по выходам;
        3.3 по способу предъявления примеров:
          - предъявление одиночных примеров,
          - предъявления «страницы» (множества) примеров.
    При обучении с учителем предполагается, что есть внешняя среда,
которая предоставляет обучающие примеры (значения входов и
соответствующие им значения выходов) на этапе обучения или оценивает
правильность функционирования нейронной сети и в соответствии со
своими критериями меняет состояние нейронной сети или поощряет
(наказывает) нейронную сеть, запуская тем самым механизм изменения ее
состояния.
    Под состоянием нейронной сети, которое может изменяться, обычно
понимается:
     - веса синапсов нейронов (карта весов – map) (коннекционистский
       подход);
     - веса синапсов и пороги нейронов (обычно в этом случае порог
       является более легко изменяемым параметром, чем веса синапсов);
     - установление новых связей между нейронами            (свойство
       биологических нейронов устанавливать новые           связи и
       ликвидировать старые называется пластичностью).


                                   153