Page 11 - 4143

гіперболічний тангенс приймає значення різних знаків, що для ряду

мереж виявляється вигідним.
Кажучи про можливу класифікацію НС, важливо наголосити на
існуванні бінарних і аналогових мереж. Перші з них оперують з
двійковими сигналами, і вихід кожного нейрона може приймати

тільки два значення: логічний нуль ("загальмований" стан) і логічна
одиниця ("збуджений" стан). В аналогових мережах виходи нейронів
здатні приймати безперервні значення. Ще одна класифікація ділить

на синхронні і асинхронні. В першому випадку в кожний момент часу
свій стан міняє лише один нейрон. В другому - стан міняється відразу
для цілої групи нейронів, як правило, для всього шару. Для
програмних імітаторів нейронних мереж на цифрових ЕОМ питання,

що пов'язані з синхронізацією розв'язуються комп'ютером, на якому
реалізуються.

Розглянута проста модель штучного нейрона істотно спрощує ряд
властивостей свого біологічного двійника. Наприклад, вона не бере
до уваги затримки в часі, які впливають на динаміку системи.
Вхідні сигнали зразу ж породжують вихідний сигнал. І, що більш

важливе, вона не враховує дію синхронізуючої функції біологічного
нейрона, яку ряд дослідників вважають вирішальною. Не
дивлячись на ці обмеження, мережі, побудовані з цих нейронів,

мають властивості, що сильно нагадують біологічну систему.
Тільки час і подальші дослідження можуть дати відповідь на
питання, чи є подібні збіги випадковими або це наслідок того, що в
моделі вірно схоплені основні риси біологічного нейрона.

Отже, даний опис основних елементів, з яких складаються
нейронні мережі. Перейдемо тепер до питання: як складати ці
мережі, як їх конструювати? Як завгодно, строгих обмежень тут

немає, лише б входи одержували будь-які сигнали. Можливості
безмежні, але звичайно використовують декілька стандартних
варіантів архітектури, з яких при деяких невеликих модифікаціях

будують більшість мереж, що використовуються.

Навчальний елемент 1.4 Класифікація нейронних мереж

та їх загальні властивості
Хоча один нейрон і здатний виконувати найпростіші процедури

розпізнавання, сила нейронних обчислень виникає від з'єднань
нейронів в мережах.

11