Методы искусственного интеллекта для машинного перевода текстов. Роганов В.Р - 58 стр.

UptoLike

ВУЗ: 

ПГУ | Пенза

Составители: 

Рубрика: 

58
В противном случае, выходной вектор не совпадет ни с одним образцовым.
Если, например, сигналы представляют собой некие изображения, то, ото-
бразив в графическом виде данные с выхода сети, можно будет увидеть картин-
ку, полностью совпадающую с одной из образцовых (в случае успеха) или же
"вольную импровизацию" сети (в случае неудачи).
На стадии инициализации сети весовые коэффициенты синапсов устанав-
ливаются следующим образом:
w
xx i j
ij
ij
i
k
j
k
k
m
=
≠
=
⎧
⎨
⎪
⎩
⎪
=
−
∑
0
1
0
,
,
(38)
Здесь i и j — индексы, соответственно, предсинаптического и постсинап-
тического нейронов; x
i
k
, x
j
k
— i-ый и j-ый элементы вектора k-ого образца.
Алгоритм функционирования сети следующий (p — номер итерации):
1. На входы сети подается неизвестный сигнал. Фактически его ввод осу-
ществляется непосредственной установкой значений аксонов:
y
i
(0) = x
i
, i = 0...n-1, (39)
поэтому обозначение на схеме сети входных синапсов в явном виде носит чис-
то условный характер. Ноль в скобке справа от y
i
означает нулевую итерацию в
цикле работы сети.
2. Рассчитывается новое состояние нейронов
sp wyp
jiji
i
n
() ()+=
=
−
∑
1
0
1
, j=0...n-1 (40)
и новые значения аксонов
[
]
yp fsp
jj
() ()+= +11 (41)
где f – активационная функция в виде скачка, приведенная на рис.13а.
3. Проверка, изменились ли выходные значения аксонов за последнюю
итерацию. Если да — переход к пункту 2, иначе (если выходы застабилизиро-
вались) — конец. При этом выходной вектор представляет собой образец, наи-
лучшим образом сочетающийся с входными данными. 
В противном случае, выходной вектор не совпадет ни с одним образцовым.
    Если, например, сигналы представляют собой некие изображения, то, ото-
бразив в графическом виде данные с выхода сети, можно будет увидеть картин-
ку, полностью совпадающую с одной из образцовых (в случае успеха) или же
"вольную импровизацию" сети (в случае неудачи).
    На стадии инициализации сети весовые коэффициенты синапсов устанав-
ливаются следующим образом:
                                       ⎧ m−1 k k
                                 wij = ⎨∑
                                       ⎪ xi x j , i ≠ j
                                          k =0
                                                                             (38)
                                       ⎪⎩ 0,     i= j

    Здесь i и j — индексы, соответственно, предсинаптического и постсинап-
тического нейронов; xik, xjk — i-ый и j-ый элементы вектора k-ого образца.
    Алгоритм функционирования сети следующий (p — номер итерации):
    1. На входы сети подается неизвестный сигнал. Фактически его ввод осу-
ществляется непосредственной установкой значений аксонов:
                                yi(0) = xi , i = 0...n-1,                    (39)
поэтому обозначение на схеме сети входных синапсов в явном виде носит чис-
то условный характер. Ноль в скобке справа от yi означает нулевую итерацию в
цикле работы сети.
    2. Рассчитывается новое состояние нейронов
                                          n −1
                             s j ( p + 1) = ∑ wij yi ( p) , j=0...n-1        (40)
                                          i=0


и новые значения аксонов
                                                   [
                                   y j ( p + 1) = f s j ( p + 1)   ]         (41)

где f – активационная функция в виде скачка, приведенная на рис.13а.
    3. Проверка, изменились ли выходные значения аксонов за последнюю
итерацию. Если да — переход к пункту 2, иначе (если выходы застабилизиро-
вались) — конец. При этом выходной вектор представляет собой образец, наи-
лучшим образом сочетающийся с входными данными.




                                                                              58

Страницы