Page 16 - 4143
P. 16

одного  нейрона  у  вихідному  шарі  або,  що  ще  краще,  декількох,

                  кожний  з  яких  навчається  визначати  приналежність  конкретних
                  станів  входів  до  певного  класу  з  своєю  мірою  достовірності,
                  наприклад високої, середньої і низької. Такі  дозволяють проводити
                  класифікацію вхідних неявно виражених станів, з'єднаних в нечіткі

                  (розмиті або перетинні) множини. Ця властивість дозволяє широко
                  використовувати  в практичних додатках.


                     Навчальний елемент 1.6.   Нейронні мережі зі зворотними
                                 зв’язками, Хопфільда, асоціативна пам’ять

                     Раніше  були  розглянуті  мережі,  які  не  мали  зворотних  зв'язків.
                  Відсутність зворотних зв'язків гарантує стійкість мереж. Проте така

                  бажана        властивість         обмежує         можливості          мереж       прямого
                  розповсюдження в порівнянні з мережами із зворотними зв'язками,
                  яки  називають  ще  рекурентними.  Важливі  переваги  рекурентних
                  мереж, що детально описані у [2,3], будуть розглянуті далі. До того

                  ж, в роботі [4] була надана теорема, що описала підмножину мереж
                  із  зворотними  зв'язками,  виходи  яких  врешті-решт  досягають
                  стійкого полягання. Важливий внесок як в теорію, так і у вживання

                  систем із зворотними зв'язками зробив Дж. Хопфілд. Тому деякі з
                  конфігурацій носять його ім'я.
                     Структурна  схема  мережі  Хопфілда  приведена  на  рисунку    1.7.

                  Вона складається з єдиного шару нейронів, число яких є одночасно
                  числом  входів  і  виходів  мережі.  Кожний  нейрон  зв'язаний
                  синапсами  зі  всією  рештою  нейронів,  а  також  має  один  вхідний

                  синапс, через який здійснюється введення сигналу. Вихідні сигнали,
                  як завжди, утворюються на аксонах.
                     Задача,  вирішувана  даною  мережею,  відома  як  асоціативна
                  пам'ять  і  формулюється,  як  правило,    таким  чином.  Нехай  маємо

                  деякий набір двійкових  сигналів  (зображень,  звукових  оцифровок,
                  інших  даних,  що  описують  якісь  об'єкти  або  характеристики
                  процесів), які вважаються зразковими. Мережа повинна вміти з

                  довільного  неідеального  сигналу,  поданого  на  її  вхід,  виділити
                  ("пригадати" за частковою інформацією) відповідний зразок (якщо
                  такий є) або "дати висновок" про те, що вхідні дані не відповідають
                  жодному із зразків.







                                                                   16
   11   12   13   14   15   16   17   18   19   20   21