ÑоÑÐ¼Ð°Ñ Adobe PDF, ÑÐ°Ð·Ð¼ÐµÑ 2173 Ðб - ÐнÑоÑмаÑионно ...
ÑоÑÐ¼Ð°Ñ Adobe PDF, ÑÐ°Ð·Ð¼ÐµÑ 2173 Ðб - ÐнÑоÑмаÑионно ...
ÑоÑÐ¼Ð°Ñ Adobe PDF, ÑÐ°Ð·Ð¼ÐµÑ 2173 Ðб - ÐнÑоÑмаÑионно ...
You also want an ePaper? Increase the reach of your titles
YUMPU automatically turns print PDFs into web optimized ePapers that Google loves.
Н. Г. МАКАРЕНКОограниченном интервале, можно сколь угодно точно аппроксимировать полиномами.Следовательно, множество полиномов (т. е. подмножество A)всюду плотно в пространстве R ≡ C[X] непрерывных функций. Самымизвестным обобщением этого утверждения является теорема Стоуна.Теорема Стоуна. Пусть X компактное метрическое пространство, C[X] —множество непрерывных функций, определенных на X и A подалгебра (7)в C[X] со следующими свойствами:• функция f(x) = 1 принадлежит A;• для любых двух точек x ≠ y из X существует функция f ∈ A, такаячто f(x) ≠ f(y).Тогда A плотно в C[X].Теорема Стоуна значительно расширяет класс доступных строительныхблоков: действительно, достаточно взять компактное подмножество функций,различающих точки и образующих подалгебру относительно «школьных»алгебраических операций и мы получим возможность аппроксимироватьпрактически любую непрерывную функцию! Такими функциямимогут быть, например, тригонометрические многочлены, радиальные базисныефункции и др.Почти любая схема аппроксимации может быть «отображена» на некоторыйтип «сети» или графа, который можно условно считать «нейроннойсетью». Такие сети являются просто графическим обозначением широкогокласса алгоритмов. Чтобы продемонстрировать, как задача аппроксимациивыглядит в «сетевой» формулировке, рассмотрим несколько вариантов длявозможного выбора F (w, x):• линейный случай: F (w, x) = w · x, где w — матрица размера m × n,x — n-мерный вектор; этот вариант соответствует сети без скрытыхслоев;• классическая схема аппроксимации с базисными функциями ϕ i (x),т. е. F (w, x) = w · ϕ i (x). Этот вариант соответствует сети с однимскрытым слоем; разложение по ортогональным полиномам или радиальнымбазисным функциям;• схема со вложенными сигмоидами, которую мы рассмотрим в следующемразделе.УДК 004.032.26 (06) Нейронные сети 121