Методы искусственного интеллекта для машинного перевода текстов. Роганов В.Р - 37 стр.

вращает насыщение от больших сигналов, так как они соответствуют областям
аргументов, где сигмоид имеет пологий наклон.
     Возвращаясь к общим чертам, присущим всем ИНС, отметим, во-вторых,
принцип параллельной обработки сигналов, который достигается путем объе-
динения большого числа нейронов в так называемые слои и соединения опре-
деленным образом нейронов различных слоев, а также, в некоторых конфигу-
рациях, и нейронов одного слоя между собой, причем обработка взаимодейст-
вия всех нейронов ведется послойно.




                                Рис. 7 Однослойный перцептрон


     В качестве примера простейшей ИНС рассмотрим трехнейронный перцеп-
трон (рис. 7), то есть такую сеть, нейроны которой имеют активационную
функцию в виде единичного скачка* . На n входов поступают некие сигналы,
проходящие по синапсам на 3 нейрона, образующие единственный слой этой
ИНС и выдающие три выходных сигнала:
                                         ⎡n          ⎤
                                 y j = f ⎢∑ xi ⋅ wij ⎥ , j=1...3                                (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

*
  Иногда перцептроном называют любую ИНС слоистой структуры, однако здесь и далее под перцептроном
понимается только сеть, состоящая из нейронов с активационными функциями единичного скачка (бинарная
сеть).

                                                                                                 37