Ðа пÑÐ°Ð²Ð°Ñ ÑÑкопиÑи
Ðа пÑÐ°Ð²Ð°Ñ ÑÑкопиÑи
Ðа пÑÐ°Ð²Ð°Ñ ÑÑкопиÑи
You also want an ePaper? Increase the reach of your titles
YUMPU automatically turns print PDFs into web optimized ePapers that Google loves.
дящихся на 2-ом, 3-м и т.д. местах по уровню входного сетевого сигнала. Это<br />
приводит к более точной аппроксимации кусочными наклонными поверхностями.<br />
Подобный эффект может быть достигнут путем подмешивания в слой<br />
Кохонена дополнительных линейных либо нелинейных нейронов, латерально<br />
связанных с нейронами Кохонена (см. [21]). Нейросети встречного распространения<br />
обучаются значительно быстрее нейросетей обратного распространения,<br />
однако они не столь универсальны, менее точно аппроксимируют функциональные<br />
зависимости, слишком чувствительны к нерелевантным компонентам<br />
входных векторов и к большой их размерности.<br />
Следует подчеркнуть, что составные нейросети, включающие в свой состав<br />
различные сетевые архитектуры и использующие различные методы обучения,<br />
более близки по принципам функционирования к человеческому мозгу,<br />
чем рассмотренные выше однородные структуры, подобные нейросетям обратного<br />
распространения.<br />
1.2.5.3. Нейросети с радиальной базисной функцией<br />
В отличие от многослойных персептронов, самоорганизующихся карт<br />
Кохонена и нейросетей на основе теории адаптивного резонанса (см. ниже), которые<br />
имеют под собой определенные нейрофизиологические основания, нейросети<br />
с радиальной базисной функцией (Radial Basis Function [RBF] neural<br />
networks) менее всего связаны с представлениями из биологии, базируясь в<br />
наибольшей степени на аппарате математической статистики. В сущности, их<br />
можно даже считать методами непараметрического статистического анализа,<br />
описанными при помощи терминологии аппарата нейронных сетей. Они тесно<br />
связаны с современными методами ядерного (kernel) статистического оценивания.<br />
Нейронные сети с радиальной базисной функцией (RBF-сети) в определенном<br />
смысле можно считать дальнейшим развитием сетей встречного распространения<br />
(см. пункт 1.2.5.2). Предложенные рядом авторов в 1989 г. [67],<br />
они предназначаются, прежде всего, для решения задач аппроксимации функ-<br />
41