Ðа пÑÐ°Ð²Ð°Ñ ÑÑкопиÑи
Ðа пÑÐ°Ð²Ð°Ñ ÑÑкопиÑи Ðа пÑÐ°Ð²Ð°Ñ ÑÑкопиÑи
ления нейромедиаторов и многими другими факторами, управляемыми как генетически, так и при помощи разнообразных сигнальных систем. В рамках методологии искусственных нейронных сетей функционирование отдельного нейрона обычно описывается уравнением (см. Рис. 2): o = f ( a ), a = ∑o w − t (1) i i i j j ji i где: a i – общий сетевой вход нейрона i; o j – выходной сигнал нейрона j; w ji – вес связи (синаптическая проводимость) между нейронами j и i; t i – порог активации нейрона i (превышение этого порога суммой воздействий со стороны соседних нейронов приводит его в возбужденное состояние); o i – результирующий выходной сигнал, равный уровню активности данного нейрона i; f(x) – т.н. функция активации нейрона (или передаточная функция), которая в простейшем случае, к примеру, может быть определена как пороговая: ⎧1, x ≥ 0 f ( x) = ⎨ (2) ⎩0, x < 0 w w a i = Σw ji o j -t i o i = f(a i ) Рис. 2. Нейрон МакКаллока-Питтса 16
Таким образом, уравнение (1) в сочетании с определением функции (2) упрощенно описывает функционирование биологического нейрона, находящегося, в частности, в коре головного мозга человека. Подобно своему биологическому прототипу, нейроны МакКаллока- Питтса способны обучаться путем настройки параметров w, описывающих синаптическую проводимость. Как правило, вместо использования пороговых величин t i в нейросеть добавляют так называемые «псевдонейроны смещения» (bias pseudoneurons) с постоянным выходным сигналом, равным 1. 1.2.3. Персептрон Розенблатта На приведенном выше описании искусственного нейрона были основаны разработанные более 40 лет назад первые типы искусственных нейронных сетей, получивших название «персептроны» [5-7] (в русскоязычной литературе пишутся иногда как «перцептроны»), а вместе с ними и первые попытки создать искусственный интеллект путем имитации работы головного мозга человека на клеточном уровне. Название «персептрон» происходит от английского слова perception – восприятие. Оно было предложено в 1958 г. Фрэнком Розенблаттом в попытках имитировать с помощью нейронов МакКаллока-Питтса человеческое восприятие (прежде всего зрение) и распознавание с его помощью объектов внешнего мира. Персептрон Розенблатта имел многослойную архитектуру (см. Рис. 3), причем только последний (выходной) содержал нейроны с настраиваемыми весами, а формируемые ими выходные сигналы свидетельствовали о принадлежности анализируемого объекта к определенному классу. Само описание объекта в персептронах Розенблатта формировалось на входном слое нейронов, названном рецепторным полем по аналогии с биологическим прототипом. Сигналы с рецепторного поля поступали на необязательный скрытый слой нейронов по связям, веса которых инициировались случайными числами и в процессе обучения не менялись, а сформированные на нейронах скры- 17
- Page 1 and 2: На правах рукописи
- Page 3 and 4: 2.2.6. Классификация
- Page 5 and 6: 5.4. Псевдофрагментн
- Page 7 and 8: 7.4.3. Примеры разных
- Page 9 and 10: ВВЕДЕНИЕ На соврем
- Page 11 and 12: более точного прог
- Page 13 and 14: ГЛАВА 1. ИСКУССТВЕН
- Page 15: входными; нейроны,
- Page 19 and 20: 1.2.4. Нейросети обра
- Page 21 and 22: Значения весов объ
- Page 23 and 24: Таким образом, знач
- Page 25 and 26: жения в статье Руме
- Page 27 and 28: Рис. 5. Введение мом
- Page 29 and 30: адаптивно настраив
- Page 31 and 32: 1.2.4.7. Квазиньютонов
- Page 33 and 34: (химических соедин
- Page 35 and 36: на границах решетк
- Page 37 and 38: ными значениями со
- Page 39 and 40: рующие один и тот ж
- Page 41 and 42: дящихся на 2-ом, 3-м и
- Page 43 and 44: всех RBF-нейронов, а
- Page 45 and 46: чающей выборки, при
- Page 47 and 48: Рис. 10. Архитектура
- Page 49 and 50: 1.2.5.4. Нейросети на о
- Page 51 and 52: ми связями, занимае
- Page 53 and 54: практически важных
- Page 55 and 56: ния классического
- Page 57 and 58: ческому мозгу во вр
- Page 59 and 60: лаждения системы и
- Page 61 and 62: чем в качестве прог
- Page 63 and 64: ГЛАВА 2. ФРАГМЕНТНЫ
- Page 65 and 66: му типу биологичес
Таким образом, уравнение (1) в сочетании с определением функции (2)<br />
упрощенно описывает функционирование биологического нейрона, находящегося,<br />
в частности, в коре головного мозга человека.<br />
Подобно своему биологическому прототипу, нейроны МакКаллока-<br />
Питтса способны обучаться путем настройки параметров w, описывающих синаптическую<br />
проводимость.<br />
Как правило, вместо использования пороговых величин t i в нейросеть добавляют<br />
так называемые «псевдонейроны смещения» (bias pseudoneurons) с постоянным<br />
выходным сигналом, равным 1.<br />
1.2.3. Персептрон Розенблатта<br />
На приведенном выше описании искусственного нейрона были основаны<br />
разработанные более 40 лет назад первые типы искусственных нейронных сетей,<br />
получивших название «персептроны» [5-7] (в русскоязычной литературе<br />
пишутся иногда как «перцептроны»), а вместе с ними и первые попытки создать<br />
искусственный интеллект путем имитации работы головного мозга человека<br />
на клеточном уровне. Название «персептрон» происходит от английского<br />
слова perception – восприятие. Оно было предложено в 1958 г. Фрэнком Розенблаттом<br />
в попытках имитировать с помощью нейронов МакКаллока-Питтса<br />
человеческое восприятие (прежде всего зрение) и распознавание с его помощью<br />
объектов внешнего мира. Персептрон Розенблатта имел многослойную архитектуру<br />
(см. Рис. 3), причем только последний (выходной) содержал нейроны с<br />
настраиваемыми весами, а формируемые ими выходные сигналы свидетельствовали<br />
о принадлежности анализируемого объекта к определенному классу.<br />
Само описание объекта в персептронах Розенблатта формировалось на входном<br />
слое нейронов, названном рецепторным полем по аналогии с биологическим<br />
прототипом. Сигналы с рецепторного поля поступали на необязательный скрытый<br />
слой нейронов по связям, веса которых инициировались случайными числами<br />
и в процессе обучения не менялись, а сформированные на нейронах скры-<br />
17