![]() Главная страница Случайная страница КАТЕГОРИИ: АвтомобилиАстрономияБиологияГеографияДом и садДругие языкиДругоеИнформатикаИсторияКультураЛитератураЛогикаМатематикаМедицинаМеталлургияМеханикаОбразованиеОхрана трудаПедагогикаПолитикаПравоПсихологияРелигияРиторикаСоциологияСпортСтроительствоТехнологияТуризмФизикаФилософияФинансыХимияЧерчениеЭкологияЭкономикаЭлектроника |
Обучение и самоорганизация полиномиальных нейронных сетей
Рассмотрим четырёхслойную ПНС, предназначенную для классификации данных и распознавания образов. Первый слой этой ПНС состоит из функциональных НЭ (F-элементов) Fi(y(w), gi) с синаптическими параметрами g i. Второй слой гетерогенной ПНС состоит из полиномиальных НЭ (П–элементов) вида
где F(y, g)=0 при y< g и F(g, g)¹ 0. Третий слой ПНС состоит из одного суммирующего НЭ( Четвёртый слой ПНС состоит из одного многозначного НЭ (М-нейрона), описываемого K-значным предикатом M, принимающим значения 1, 2, …, К и определяющим принадлежность объекта w к одному из классов Wk. Четырёхслойная архитектура ПНС реализует следующее последовательно-параллельное преобразование вектора входных сигналов y(w) в выходной целочисленный сигнал R(w, u, g) вида
определяющий номер класса, к которому будет отнесён распознанный объект w. Задачи обучения, минимизации сложности и самоорганизации гетерогенных классифицирующих ПНС с аналитическим описанием вида (11.16), (11.17) заключаются в определении скалярных функций y, Fi и векторов cинаптических параметров g = Степень параллелизма в классифицирующих ПНС, описываемых многозначным предикатом (11.17) определяется тем, что распознавание образов, классификация данных или диагностика состояний осуществляются за 4 такта параллельных вычислений в НЭ разных слоёв независимо от сложности решаемой задачи D = n ´ m ´ K. Гетерогенность архитектуры этих ПНС характеризуется тем, что первый слой состоит из функциональных НЭ, второй слой включает полиномиальные НЭ, а третий и четвертый слои содержат по одному суммирующему и многозначному НЭ.
|