цифровая электроника
вычислительная техника
встраиваемые системы

 
» » Свойства многослойных обучающихся схем

Свойства многослойных обучающихся схем

Автор: Mike(admin) от 7-12-2018, 03:35

Способность нервной системы людей и высших животных обучаться и приспосабливаться к изменяющимся внешним условиям стала в последнее время областью, интересующей самых разнообразных специалистов-небиологов. При этом делаются попытки создания очень упрощенных моделей центральной нервной системы животных с сохранением некоторых ее свойств.


Свойства многослойных обучающихся схем

Обучающаяся схема рассматривается как система, обладающая следующими свойствами. Во-первых, существует множество входных переменных и выходная переменная, определяемая этим множеством. Считается, что входные переменные могут принимать два дискретных состояния, которым будет приписываться значение +1 и -1.


Во-вторых, схема должна иметь большое число внутренних параметров, обладающих способностью перестройки. Совокупность значений этих параметров определяет результирующее поведение схемы. Иными словами, внутренние параметры задают значение выхода в соответствии с различными возможными входными комбинациями. Возможность перестройки параметров позволяет обучающейся схеме приспосабливаться к изменяющимся в широком диапазоне соотношениям вход-выход.


В-третьих, обучающаяся схема должна иметь возможность изменять свои параметры при наличии сигналов ошибок с тем, чтобы достигнуть необходимого соотношения вход-выход. Значит, схема должна воспринимать входной сигнал, формировать на его основе, так же, как и на основе внутренних параметров, выходной сигнал и соответствующим образом изменять их, если появился сигнал, указывающий на то, что выход принял ошибочное значение. Сигнал ошибки не дает необходимого изменения параметра, а лишь указывает на ошибочное значение выхода. Таким образом, сигнал ошибки в данном случае задает «среду» для схемы. Процессы изменения параметров схемы под действием этого сигнала можно рассматривать как процесс адаптации схемы к изменению среды.


По самой природе структур, принимаемых для построения подобных схем, в процессе адаптации невозможно избежать нарушения изученных ранее соотношений вход-выход. Однако для характеристики процесса адаптации очень важно, чтобы эти нарушения были минимальны. После «просмотра» достаточного количества входных комбинаций схема должна измениться таким образом, чтобы на каждую вновь предъявляемую комбинацию дать правильную выходную реакцию.


В-четвертых, так как схема должна служить моделью нервной сети, то она будет состоять из большого числа взаимосвязанных однородных элементов, достаточно простых и универсальных. Каждый из них должен воспринимать определенное число входных переменных, которые могут быть входами системы или входами других элементов и давать выходной сигнал в соответствии со значениями его внутренних, параметров. Таким образом, требуется, чтобы каждый элемент обладал многими свойствами всей схемы. Основное отличие здесь заключается в том, что логические возможности единичного элемента сильно ограничены по сравнению со всей схемой и только соединение большого количества элементов позволяет получить достаточную логическую гибкость.




© digitrode.ru


Теги: нейронная сеть, искусственный интеллект



   Благодарим Вас за интерес к информационному проекту digitrode.ru.
   Если Вы хотите, чтобы интересные и полезные материалы выходили чаще, и было меньше рекламы,
   Вы можее поддержать наш проект, пожертвовав любую сумму на его развитие.


Уважаемый посетитель, Вы зашли на сайт как незарегистрированный пользователь.
Мы рекомендуем Вам зарегистрироваться либо войти на сайт под своим именем.

Комментарии:

Оставить комментарий