Структура нейронних мереж

У наші дні зростає необхідність в системах, які здатні не тільки виконувати одного разу запрограмовану послідовність дій над заздалегідь певними даними, але і здатні самі аналізувати знову інформацію, що надходить, знаходити в ній закономірності, проводити прогнозування і т.д. У цій області програм найкращим чином зарекомендували себе так звані нейронні мережі - самонавчання системи, що імітують діяльність людського мозку. Розглянемо докладніше структуру штучних нейронних мереж (НС) та їх застосування в конкретних завданнях.

Штучний нейрон.

Незважаючи на велику різноманітність варіантів нейронних мереж всі вони мають спільні риси. Так всі вони, також як і мозок людини, складаються з великої кількості однотипних елементів - нейронів, які імітують нейрони головного мозку, пов'язаних між собою. На рис.1 показана схема нейрона

З малюнка видно, що штучний нейрон, так само як і живий, складається з синапсів, що пов'язують входи нейрона з ядром, ядра нейрона, яке здійснює обробку вхідних сигналів і аксона, який пов'язує нейрон з нейронами наступного шару. Кожен синапс має вагу, який визначає наскільки відповідний вхід нейрона впливає на його стан. Стан нейрона визначається за формулою

(1)

де

n - число входів нейрона

xi - значення i-го входу нейрона

wi - вага i-го синапсу

Потім визначається значення аксона нейрона за формулою

Y = f (S) (2)

Де f - деяка функція, яка називається активаційний. Найбільш часто як активаційний функції використовується так званий сігмоід, який має такий вигляд:

(3)

Основна перевага цієї функції в тому, що вона диференційовних на всій осі абсцис і має дуже просту похідну:

(4)

При зменшенні параметра