АвтоАвтоматизацияАрхитектураАстрономияАудитБиологияБухгалтерияВоенное делоГенетикаГеографияГеологияГосударствоДомДругоеЖурналистика и СМИИзобретательствоИностранные языкиИнформатикаИскусствоИсторияКомпьютерыКулинарияКультураЛексикологияЛитератураЛогикаМаркетингМатематикаМашиностроениеМедицинаМенеджментМеталлы и СваркаМеханикаМузыкаНаселениеОбразованиеОхрана безопасности жизниОхрана ТрудаПедагогикаПолитикаПравоПриборостроениеПрограммированиеПроизводствоПромышленностьПсихологияРадиоРегилияСвязьСоциологияСпортСтандартизацияСтроительствоТехнологииТорговляТуризмФизикаФизиологияФилософияФинансыХимияХозяйствоЦеннообразованиеЧерчениеЭкологияЭконометрикаЭкономикаЭлектроникаЮриспунденкция

Нейрон типа «адалайн»

Читайте также:
  1. Виды искусственных нейронных сетей
  2. Гистологическое строение нейрона
  3. Искусственная нейронная сеть
  4. Модели нейронов и методы их обучения
  5. Модель нейрона Хебба
  6. Настройка числа нейронов в скрытых слоях многослойных сетей в процессе обучения
  7. Нервова тканина складається з нейронів та нейроглії.
  8. Передаточная функция нейрона. Классификация нервов.
  9. Радиальные нейронные сети
  10. Различают 3 типа нейронов: 1)чувственные 2)двигательные 3)ассоциативные
  11. Сбор данных для нейронной сети

Модель нейрона типа «адалайн» (AdaptiveLinearNeuron – адаптивный линейный нейрон) была предложена Б. Видроу [23]. Её структурная схема, демонстрирующая адаптивный способ подбора весовых коэффициентов представлена на рисунке14.

Рисунок 14 – Структурная схема нейрона типа «адалайн»

По методу весового суммирования сигналов нейрон типа «адалайн» аналогичен представленным ранее моделям нейронов. Функция активации имеет вид

(13)

Адаптивный подбор весовых коэффициентов осуществляется в процессе минимизации квадратичной ошибки, определяемой как

. (14)

Несмотря на нелинейный характер модели, в целевой функции присутствуют только линейные элементы, представляющие собой сумму взвешенных входных сигналов. В связи с выполнением условия непрерывности целевой функции, стало возможно применение алгоритма градиентного обучения. Значения весовых коэффициентов могут утоняться либо дискретным способом:

, (15)

либо аналоговым:

, (16)

в которых .

В практических приложениях нейроны типа «адалайн» всегда используется группами, образуя слои, называемые «мадалайн» (Manyadaline–много адалайн). Каждый входящий в слой нейрон обучается по правилу адалайн. Б. Видроу [23] предложил три базовых типа межнейронных соединений: OR, AND, мажоритарное (рис.15).

 

Рисунок 15 – Структурная схема базового межнейронного соединения

Сигналы суммируются с учетом порогового значения, установленного раздельно для каждого типа связи. Для схемы OR порог имеет значение (n-1), для AND – (1-n), для мажориторной схемы – нулевое значение.

В связи с используемой функцией активации выходной сигналy принимает значение +1, когда хотя бы один из входных сигналов имеет значение +1(OR), когда все входные сигналы имеют значение +1(AND), либо когда большинство сигналов имеет значение +1 (мажоритарное соединение).


1 | 2 | 3 | 4 | 5 | 6 | 7 | 8 | 9 | 10 | 11 | 12 | 13 | 14 | 15 | 16 | 17 | 18 | 19 |

Поиск по сайту:



Все материалы представленные на сайте исключительно с целью ознакомления читателями и не преследуют коммерческих целей или нарушение авторских прав. Студалл.Орг (0.002 сек.)