Классификация и организация вычислительных систем. Михайлов Б.М - 136 стр.

    Рисунок 3.8 - Типовые активационные функции: а) — единичная
   пороговая функция; б — линейный порог (гистерезис); в — сигмоид
          (гиперболический тангенс); г — логистический сигмоид
      НС может состоять из одного слоя, из двух и большего числа однако, как
правило, для решения практических задач более трех слоев в НС не требуется. Число
входов НС определяет размерность гиперпространства, в котором входные сигналы
могут быть представлены точками или гиперобластями из близко расположенных
точек. Количество нейронов в слое сети определяет число гиперплоскостей в
гиперпространстве. Вычисление взвешенных сумм и выполнение нелинейного
преобразования позволяют определить, с какой стороны от той или иной
гиперплоскости в гиперпространстве находится точка входного сигнала.
      В   нейрокомпьютерах      используются   принципы       обработки   информации,
осуществляемые   в   реальных     нейронных    сетях.   Это    принципиально     новые
вычислительные средства с нетрадиционной архитектурой позволяют выполнять
высокопроизводительную обработку информационных массивов большой размерности.
В отличие от традиционных вычислительных систем нейросетевые вычислители,
аналогично нейронным сетям, дают возможность с большей скоростью обрабатывать
информационные потоки дискретных и непрерывных сигналов, содержат простые
вычислительные элементы и с высокой степенью надежности позволяют решать
информационные    задачи   обработки    данных,    обеспечивая     при    этом   режим
самоперестройки вычислительной среды в зависимости от полученных решений.
      Вообще говоря, под термином нейрокомпьютер подразумевается довольно
широкий класс вычислителей. Это происходит по той причине, что формально
нейрокомпьютером можно считать любую аппаратную реализацию нейросетевого
алгоритма от простой модели биологического нейрона до системы распознавания