Входные Выходные Промежуточные

1. Искусственные нейронные сети (ИНС) — математические модели, а также их программные или аппаратные реализации, построенные по принципу организации и функционирования биологических нейронных сетей — сетей нервных клеток живого организма.
Нейро́н-узкоспециализированная клетка, структурно-функциональная единица нервной системы.

2. С точки зрения машинного обучения, нейронная сеть представляет собой частный случай методов распознавания образов, дискриминантного анализа, методов кластеризации и т. п.

3. Математическая модель нейрона: 𝑺 = ∑ 𝑾𝒊𝑿𝒊 + 𝒏 𝒊=𝟏 𝒃 (1.1) y=f(x) (1.2)

4. Функция активации (активационная функция, функция возбуждения) – функция, вычисляющая выходной сигнал искусственного нейрона. В качестве аргумента принимает сигнал , получаемый на выходе входного сумматора . Наиболее часто используются следующие функции активации. 1. Единичный скачок или жесткая пороговая функция 2. Линейный порог или гистерезис 3. Сигмоидальная функция или сигмоид

5. Нейронная сеть строится в два этапа:
1) Выбор типа (архитектуры) сети;
2) Подбор весов (обучение) сети

6. С помощью сетей Хопфилда можно обрабатывать неупорядоченные (рукописные буквы), упорядоченные во времени (временные ряды) или пространстве (графики) образцы. Рекуррентная нейросеть простейшего вида была введена Хопфилдом и построена она из N нейронов, связанных каждый с каждым кроме самого себя, причем все нейроны являются выходными. Нейросеть Хопфилда можно использовать в качестве ассоциативной памяти.

7. Сеть Кохонена еще называют "самоорганизующейся картой признаков". Сеть такого типа рассчитана на самостоятельное обучение во время обучения сообщать ей правильные ответы необязательно. В процессе обучения на вход сети подаются различные образцы. Сеть улавливает особенности их структуры и разделяет образцы на кластеры, а уже обученная сеть относит каждый вновь поступающий пример к одному из кластеров, руководствуясь некоторым критерием "близости". Сеть состоит из одного входного и одного выходного слоя. Количество элементов в выходном слое непосредственно определяет, сколько различных кластеров сеть сможет распознать.

8. Нейрон (нервная клетка) является особой биологической клеткой, которая обрабатывает информацию
Он состоит из:
тела (cell body), или сомы (soma);
отростков нервных волокон двух типов — дендритов (dendrites), по которым принимаются импульсы, и единственного аксона (axon), по которому нейрон может передавать импульс.

9. Нейрон получает сигналы (импульсы) от аксона других нейронов через дендриты (приемники) и передает сигналы, сгенерированные телом клетки, вдоль своего аксона (передатчика), который в конце разветвляется на волокна (strands). На окончаниях этих волокон находятся специальные образования — синапсы (synapses), которые влияют на величину импульсов.

10. Сумматор выполняет сложение сигналов, поступающих по синаптическим связям от других нейронов, и внешних входных сигналов.

11. Нелинейный преобразователь реализует нелинейную функцию одного аргумента — выхода сумматора

12. В состав нейрона входят умножители (синапсы), сумматор и нелинейный преобразователь.

13. Входные Выходные Промежуточные

12 Следующая ⇒