Page 41 - 4524

2. Визначення елемента навчальної множини: (вхід - ви-
хід). Входи (x 1, x 2... x N), повинні розрізнятися для всіх прикла-
дів навчальної множини.
3. Обчислення вихідного сигналу:
N
m 1
S   w y  b , (5.4)
im m i m j 1 m i 1 m i
m i 1
y im= f(S jm), i m=1, 2, ..., N m, m=1, 2, ..., L,
де S - вихід суматора, w - вага зв'язку, y - вихід нейрона,
b - зсув, i - номер нейрона, N - число нейронів у прошарку, m -
номер прошарку, L - число прошарків, f- передатна функція.
4. Налаштування синаптичних ваг:
w ij(t+1)=w ij(t)+rg jx' і, (5.5)
де w ij - вага від нейрона i або від елемента вхідного сиг-
налу i до нейрона j у момент часу t, x i' - вихід нейрона i, r -
швидкість навчання, g j - значення похибки для нейрона j.
Якщо нейрон з номером j належить останньому прошар-
ку, тоді
g j=y j(1-y j)(d j-y j), (5.6)
де d j - бажаний вихід нейрона j, y j - поточний вихід ней-
рона j.
Якщо нейрон з номером j належить одному з прошарків
з першого по передостанній, тоді
 
g  x 1(  x )  g w , (5.7)
j j j k jk
k
де k пробігає всі нейрони прошарку з номером на одини-
цю більше, ніж у того, котрому належить нейрон j.
Зовнішні зсуви нейронів b налаштовуються аналогічним
образом.
Тип вхідних сигналів: цілі чи дійсні.
Тип вихідних сигналів: дійсні з інтервалу, заданого пе-
редатною функцією нейронів.
Тип передатної функції: сигмоїдальна. В нейронних
мережах застосовуються кілька варіантів сигмоїдальних пере-
датних функцій.
Функція Фермі (експонентна сигмоїда):
1
f ( S)  , (5.8)
1 e  2  S
де S - вихід суматора нейрона,  - деякий параметр.

40