Лекции по нейронным сетям

Это научное направление родилось на стыке таких наук как нейробиология, математика информатика, электроника.
Достоинством нейронных сетей является возможность их самообучения.
Создаются нейрокомпьютеры.
Отличия нейрокомпьютеров от ЭВМ:
1. Архитектурой построения.
2. Высокой производительностью за счет распараллеливания.
3. Быстрой самонастройкой (обучение).
...

Идеальная ситуация – начальные значения весовых векторов распределены в соответ-ствии с плотностью входных векторов.
Применяют методы:
1. Добавление “шума” к входным векторам, что заставляет захватывать “дальние” весовые вектора в работу.
2. Вектора весов задают случайно. Но на начальной стадии подстраиваются все веса, а не только связанные с победителем и постепенно переходим к коррекции только победителя.
3. Каждый нейрон Кохонена наделяется “чувством справедливости”. Если нейрон становится победителем чаще законной доли (устанавливается уровень этой доли, примерно 1/k, где k – число нейронов Кохонена), то он временно увеличивает свой порог, давая возможность обучаться и другим нейронам.
Способы функционирования слоя Кохонена
1. Метод аккредитации
Для каждого входного вектора активизировался только один нейрон Кохонена. Точность этого метода ограничена, т.к. выход всей НС есть функция лишь одного нейрона Кохонена.
2. Метод интерполяции
Целая группа нейронов Кохонена, имеющие наибольшие выходы, объявляются победи-телями и могут передавать свои сигналы в слой Гросеберга. Этот метод более точен, т.к. устанавливается белее сложное соответствие. Количество победителей нужно подбирать экспериментально.
...