Page 139 - 4196
P. 139

це: мережі Хопфілда (г), Хеммінга (д), ДАП – мережі (e)
           (рисунок 4.8).




















                     Рисунок 4.8 - Типові нейронні мережі:
                       а, б, в –статичні; г, д, е– динамічні

                 Загальною рисою НМ є принцип паралельної обро-
           бки  сигналів,  який  досягається  об’єднанням  нейронів  у
           так звані шари та пошаровою обробкою взаємодії нейро-
           нів. Теоретично кількість шарів та число нейронів в кож-
           ному шарі може бути довільним, але фактично вони об-
           межені ресурсами комп’ютера або спеціалізованої мікро-
           схеми.  Можливості  мережі  зростають  із  збільшенням
           числа нейронів, кількості шарів, щільності зв’язків, вве-
           денням обернених зв’язків але одночасно виникають пи-
           тання динамічної стійкості мережі, необхідних та достат-
           ніх властивостей мережі для рішення поставленої задачі.

                 4.9.1 Навчання нейронної мережі

                 Процес  навчання  нейронної  мережі  можна  розгля-
           дати, як налаштування архітектури мережі та ваг зв’язків
            W  для ефективного виконання поставленої задачі. Зви-
           чайно нейронна мережа налаштовує вагові коефіцієнти за
           навчальними вибірками в  інтерактивному режимі. Існує
           три  парадигми  навчання:  «з  вчителем»,  «без  вчителя»

                                       139
   134   135   136   137   138   139   140   141   142   143   144