Page 43 - 4713
P. 43
передаточної функції). Це поширюване назад значення враховується
в наступному циклі навчання.
Компонента 7. Функція навчання. Метою функції навчання є
налаштування змінних ваг з'єднань на входах кожного елемента
обробки відповідно до певного алгоритму навчання для досягнення
бажаного результату. Існує два типи навчання: контрольоване та
неконтрольоване. Контрольоване навчання вимагає навчальної
множини даних або спостерігача, що ранжує ефективність
результатів мережі. У випадку неконтрольованого навчання система
самоорганізовується за внутрішнім критерієм, закладеним в алгоритм
навчання.
Архітектура з'єднань штучних нейронів
Об'єднуючись у мережі, нейрони утворюють системи обробки
інформації, які забезпечують ефективну адаптацію моделі до
постійних змін з боку зовнішнього середовища. В процесі
функціонування мережі відбувається перетворення вхідного вектора
сигналів у вихідний. Конкретний вид перетворення визначається як
архітектурою нейромережі так і характеристиками нейронних
елементів, засобами керування та синхронізації інформаційних
потоків між нейронами. Важливим фактором ефективності мережі є
встановлення оптимальної кількості нейронів та типів зв'язків між
ними.При описі нейромереж використовують кілька усталених
термінів, які в різних джерелах можуть мати різне трактування,
зокрема:
структура нейромережі - спосіб зв'язків нейронів у
нейромережі;
архітектура нейромережі - структура нейромережі та типи
нейронів;
парадигма нейромережі - спосіб навчання та використання;
іноді вміщує і поняття архітектури.
На основі однієї архітектури можуть бути реалізовані різні
парадигми нейромережі і навпаки.
Серед відомих архітектурних рішень виділяють групу
слабозв'язаних нейронних мереж, у випадку, коли кожний нейрон
мережі зв'язаний лише із сусідніми.
Навпаки, якщо входи кожного нейрона зв'язані з виходами усіх
решта нейронів, тоді мова йде про повнозв'язані нейромережі.
Зв'язки між нейронами різних прошарків називають
проективними. Зв'язки скеровані від вхідних прошарків до вихідних
43