МОБИЛЬНЫЕ ИГРЫ

увеличением числа ячеек сети, плотности связей между ними и числом МОБИЛЬНЫЕ ИГРЫ выделенных слоев (влияние числа слоев на способность сети выполнять классификацию МОБИЛЬНЫЕ ИГРЫ плоских образов показано на рис.4 из [5]); введение обратных связей МОБИЛЬНЫЕ ИГРЫ наряду с увеличением возможностей сети поднимает вопрос о динамической устойчивости МОБИЛЬНЫЕ ИГРЫ сети; сложность алгоритмов функционирования сети (в том числе, например, введение МОБИЛЬНЫЕ ИГРЫ нескольких типов синапсов – возбуждающих, тромозящих и др.) также способствует МОБИЛЬНЫЕ ИГРЫ усилению мощи НС. Вопрос о необходимых и достаточных свойствах сети МОБИЛЬНЫЕ ИГРЫ для решения того или иного рода задач представляет собой целое МОБИЛЬНЫЕ ИГРЫ направление нейрокомпьютерной науки. Так как проблема синтеза НС сильно зависит МОБИЛЬНЫЕ ИГРЫ от решаемой задачи, дать общие подробные рекомендации затруднительно. В большинстве МОБИЛЬНЫЕ ИГРЫ случаев оптимальный вариант получается на основе интуитивного подбора.
Очевидно, что МОБИЛЬНЫЕ ИГРЫ процесс функционирования НС, то есть сущность действий, которые она способна МОБИЛЬНЫЕ ИГРЫ выполнять, зависит от величин синаптических связей, поэтому, задавшись определенной структурой МОБИЛЬНЫЕ ИГРЫ НС, отвечающей какой-либо задаче, разработчик сети должен найти оптимальные значения МОБИЛЬНЫЕ ИГРЫ всех переменных весовых коэффициентов (некоторые синаптические связи могут быть постоянными).
Этот МОБИЛЬНЫЕ ИГРЫ этап называется обучением НС, и от того, насколько качественно он МОБИЛЬНЫЕ ИГРЫ будет выполнен, зависит способность сети решать поставленные перед ней проблемы МОБИЛЬНЫЕ ИГРЫ во время эксплуатации. На этапе обучения кроме параметра качества подбора МОБИЛЬНЫЕ ИГ

МОБИЛЬНЫЕ ИГРЫ

РЫ весов важную роль играет время обучения. Как правило, эти два МОБИЛЬНЫЕ ИГРЫ параметра связаны обратной зависимостью и их приходится выбирать на основе МОБИЛЬНЫЕ ИГРЫ компромисса.
Обучение НС может вестись с учителем или без него. В МОБИЛЬНЫЕ ИГРЫ первом случае сети предъявляются значения как входных, так и желательных МОБИЛЬНЫЕ ИГРЫ выходных сигналов, и она по некоторому внутреннему алгоритму подстраивает веса МОБИЛЬНЫЕ ИГРЫ своих синаптических связей. Во втором случае выходы НС формируются самостоятельно, МОБИЛЬНЫЕ ИГРЫ а веса изменяются по алгоритму, учитывающему только входные и производные МОБИЛЬНЫЕ ИГРЫ от них сигналы.
Существует великое множество различных алгоритмов обучения, которые однако МОБИЛЬНЫЕ ИГРЫ делятся на два больших класса: детерминистские и стохастические. В первом МОБИЛЬНЫЕ ИГРЫ из них подстройка весов представляет собой жесткую последовательность действий, во МОБИЛЬНЫЕ ИГРЫ втором – она производится на основе действий, подчиняющихся некоторому случайному МОБИЛЬНЫЕ ИГРЫ процессу.
Развивая дальше вопрос о возможной классификации НС, важно отметить существование МОБИЛЬНЫЕ ИГРЫ бинарных и аналоговых сетей. Первые из них оперируют с двоичными МОБИЛЬНЫЕ ИГРЫ сигналами, и выход каждого нейрона может принимать только два значения: МОБИЛЬНЫЕ ИГРЫ логический ноль ("заторможенное" состояние) и логическая единица ("возбужденное" состояние). К МОБИЛЬНЫЕ ИГРЫ этому классу сетей относится и рассмотренный выше перцептрон, так как МОБИЛЬНЫЕ ИГРЫ выходы его нейронов, формируемые функцией единичного скачка, равны либо 0, МОБИЛЬНЫЕ ИГРЫ либо 1. В аналоговых сетях выходные значения нейронов спо¬соб¬ны принимать МОБИЛЬНЫЕ ИГРЫ

Главная || 1 || 2 || 3 || 4 || 5 || 6 || 7 || 8 || 9 ||

Hosted by uCoz