ÑÐ¾ÑÐ¼Ð°Ñ Adobe PDF, ÑÐ°Ð·Ð¼ÐµÑ 2173 ÐÐ± - ÐÐ½ÑÐ¾ÑÐ¼Ð°ÑÐ¸Ð¾Ð½Ð½Ð¾ ...

More documents

Recommendations

Info

ISBN 5–7262–0471–9ЛЕКЦИИ ПО НЕЙРОИНФОРМАТИКЕРИС. 1. Области притяжения, предсказываемые SS (тонкиесплошные линии) и SN (пунктирные линии)Толстая сплошная линия соответствует предельному случаю большой разреженности(p → 0); ⋄ — для p = 0.5, ◦ — для p = 0.1, ∆ — для p = 0.02, ∗ — дляp = 0.004.Тогдаθ 0 ≃ √ 2 ln(1/p) , θ 1 ≃ √ 2 ln(1/p) (1 − m in / √ 2α ln 2) .Так какln(1/p) ≫ 1, тоПоэтомуθ 1 ≪ −1 ,θ 1 ≫ 1 ,т. е. m(1) ≃ 1, если α < m2 in2 ln 2 ,т. е. m(1) ≪ 1, если α > m2 in2 ln 2 .α = m2 in2 ln 246 УДК 004.032.26 (06) Нейронные сети(26)
А. А. ФРОЛОВ, Д. ГУСЕК, И. П. МУРАВЬЕВдает границу области притяжения в этом предельном случае. Формула (26)дает ту же зависимость α от m in , что полученная в работе [3], однакос другим коэффициентом. В этой работе границы областей притяжениясоответствуют требованию, чтобы вероятность ошибки (на первом шаге)хотя бы в одном нейроне и хотя бы в одном из записанных эталонов быламала, в то время как в наших расчетах мала ошибка в каждом отдельновзятом нейроне при воспроизведении каждого отдельно взятого эталона.Статистическая нейродинамикаМетод статистической нейродинамики был разработан Amari & Maginu [4]для плотного кодирования и модифицирован в работах [9,10,25] для разреженногокодирования. Принципиальной особенностью этого подхода являетсяучет статистической зависимости между активностью сети и матрицейсвязей. Это достигается включением дополнительной переменной c(t) всистему рекурсивных нейродинамических уравнений. В SN-приближенииостаются справедливыми все уравнения SS-приближения, кроме уравнения(21), которое задает дисперсию синаптических возбуждений D{N i (t)}. ВSN-приближении оно принимает следующий видгдеc(t) =r(t) = p (1 − p) + 2p (1 − p)m(t)m(t − 1)c(t)[+c 2 αp (1 − p)](t) r(t − 1) + (1 − c 2 (t − 1)) ,h(p)[][]p exp −θ1(t 2 − 1)/2 + (1 − p) exp −θ0(t 2 − 1)/2√ ,2παr(t − 1)/h(p)c(0) = 0 .(27)(28)Параметры конечного стабильного состояния находятся из условийm(t + 1) = m(t) = m(t − 1) = m f , c(t + 1) = c(t) = c f .Кривые, характеризующие размер областей притяжения в SN-приближениитакже показаны на рис. 1. Видно, что для p = 0.5 результаты SSиSN-приближений сильно различаются, но разница убывает при возрастанииразреженности. Размер областей притяжения в SN меньше, чем вУДК 004.032.26 (06) Нейронные сети 47
Page 1 and 2: МИНИСТЕРСТВО ОБРАЗ
Page 4 and 5: ISBN 5-7262-0471-9ЛЕКЦИИ ПО
Page 28 and 29: А. А. ФРОЛОВ 1) , Д. ГУ
Page 72 and 73: Б. В. КРЫЖАНОВСКИЙ,
Page 86 and 87: Н. Г. МАКАРЕНКОИнст
Page 96 and 97:
ISBN 5-7262-0471-9ЛЕКЦИИ ПО
Page 98 and 99:
Page 100 and 101:
Page 102 and 103:
Page 104 and 105:
Page 106 and 107:
Page 108 and 109:
Page 110 and 111:
Page 112 and 113:
Page 114 and 115:
Page 116 and 117:
Page 118 and 119:
Page 120 and 121:
Page 122 and 123:
Page 124 and 125:
Page 126 and 127:
Page 128 and 129:
Page 130 and 131:
Page 132 and 133:
Page 134 and 135:
Page 136 and 137:
Page 138 and 139:
Page 140 and 141:
Page 142 and 143:
Page 144 and 145:
Page 146 and 147:
Page 148 and 149:
Page 150 and 151:
Page 152 and 153:
Page 154 and 155:
Page 156 and 157:
Page 158 and 159:
Page 160 and 161:
Page 162 and 163:
Page 164 and 165:
Page 166 and 167:
Page 168 and 169:
Page 170 and 171:
Page 172 and 173:
Page 174 and 175:
Page 176 and 177:
Page 178 and 179:
Page 180 and 181:
Page 182 and 183:
Page 184 and 185:
Page 186 and 187:
Page 188:
НАУЧНАЯ СЕССИЯ МИФ
show all

ÑÐ¾ÑÐ¼Ð°Ñ Adobe PDF, ÑÐ°Ð·Ð¼ÐµÑ 2173 ÐÐ± - ÐÐ½ÑÐ¾ÑÐ¼Ð°ÑÐ¸Ð¾Ð½Ð½Ð¾ ...

You also want an ePaper? Increase the reach of your titles

Delete template?

Save as template?

ÑÐ¾ÑÐ¼Ð°Ñ Adobe PDF, ÑÐ°Ð·Ð¼ÐµÑ 2173 ÐÐ± - ÐÐ½ÑÐ¾ÑÐ¼Ð°ÑÐ¸Ð¾Ð½Ð½Ð¾ ...