![]() КАТЕГОРИИ:
АстрономияБиологияГеографияДругие языкиДругоеИнформатикаИсторияКультураЛитератураЛогикаМатематикаМедицинаМеханикаОбразованиеОхрана трудаПедагогикаПолитикаПравоПсихологияРиторикаСоциологияСпортСтроительствоТехнологияФизикаФилософияФинансыХимияЧерчениеЭкологияЭкономикаЭлектроника
|
Модель нейронаНейронная сеть состоит из великого множества одинаковых элементов — нейронов, которые являются его базовыми элементами. Нейрон имеет один выход и ряд входов. Каждому входу соответствует некоторый весовой коэффициент (w), что характеризует пропускную способность канала и оценивает степень влияния сигнала из этого входа на сигнал на выходе. В теле нейрона происходит взвешенное суммирование входных сигналов, и дальше это значение есть аргументом активационной функции нейрона (рис.1.1). Кроме того исходный сигнал из элемента суммирования может быть смещен на величину смещения. Рисунок 1.1. – Схематическое представление искусственного нейрона
Уравнение нейрона с сдвигом и несколькими входами а = f (n) = f( w1p1 + w2p2 + … + wRpR + b), (1...2) где R - количество входов w – весовой коэфициент; p – значение параметра на текущем входе; n – параметр функции активации, f – функция активации (формирование выходного сигнала). 1.1.2. Функция активации нейрона
Логістична функция активации logsig. Эта функция описывается соотношением а = logsig(n) = 1/(1 + ехр(–n)) (1.5) и показанная на рис.1.4. Она належит к классу сигмоідальних функций, ее аргумент может принимать любое значение в диапазоне от –( к +(, а выход изменяется в диапазоне от 0 до 1. Рисунок 1.4. - Обращение функции logsig
Функция активации типа гиперболического тангенса tansig. Эта функция описывается соотношением а = tansig (n) = 2/(1+exp(-2*n))-1 (1.6) и показанная на рис.1.5. Она належит к классу сигмоідальних функций, ее аргумент может принимать любое значение в диапазоне от –µ к +µ, а выход изменяется в диапазоне от (-1) до 1.
|