Page 12 - 4143

Рисунок 1.4 – Варіанти архітектури нейронних мереж

Широкий круг задач, вирішуваний НМ, не дозволяє в даний час
створювати універсальні, могутні мережі, вимушуючи розробляти
спеціалізовані НМ, функціонуючі по різних алгоритмах.

Вибір структури здійснюється відповідно до особливостей і
складності задачі. Для вирішення деяких окремих типів задач

вже існують оптимальні, на сьогоднішній день, конфігурації, що
описані у літературі. Основні з них [1] приведені на рисунку 1.4.
До наведеної схеми можна додати:
– ліворуч (до мереж прямого розповсюдження):

• так звані стохастичні нейронні мережі, яки є
детермінованими, але застосовні до стохастичного
моделювання;

• лінійні нейронні мережі ADALINE та МADALINE, що
призначені для моделювання цифрових фільтрів;
• мережі узагальненої регресивної моделі;
– праворуч (до мереж із зворотним зв’язком):

• мережа Хемінга, що реалізує асоціативну пам’ять, як і
мережа Хопфілда;
• мережа Елмана, яка застосовна для моделювання суттєво

нелінійних систем;
• когнітрон і неокогнітрон, що використовуються для
моделювання зорових образів людини.

Взагалі сьогодні існує порядку 15-20 відомих парадигм, що

задають структуру нейронної мережі і мають різні області
застосування.
Якщо ж задача не може бути зведена ні до одного з відомих типів,
розробнику доводиться вирішувати складну проблему синтезу нової

конфігурації. При цьому він керується декількома загальними
властивостями нейронних мереж: можливості мережі зростають із
збільшенням числа осередків мережі, густини зв'язків між ними і

12