Лабораторная работа 1 по авт.системы (теоретическая часть к 1-ой лабораторной работе по АИУС)
Описание файла
Документ из архива "теоретическая часть к 1-ой лабораторной работе по АИУС", который расположен в категории "". Всё это находится в предмете "автоматизированные информационно-управляющие системы (аиус)" из 6 семестр, которые можно найти в файловом архиве МПУ. Не смотря на прямую связь этого архива с МПУ, его также можно найти и в других разделах. Архив можно найти в разделе "лабораторные работы", в предмете "автоматизированные информационно-управляющие системы (аиус)" в общих файлах.
Онлайн просмотр документа "Лабораторная работа 1 по авт.системы"
Текст из документа "Лабораторная работа 1 по авт.системы"
Лабораторная работа №1
Структура и свойства искусственного нейрона и его программная реализация
Нейронные сети - это сети, состоящие из связанных между собой простых элементов-нейронов.
В основу концепции положена идея о том, что нейроны можно моделировать довольно простыми автоматами, а вся сложность мозга, гибкость его функционирования и другие важные качества определяются связями между нейронами
Каждая связь представляется как совсем простой элемент, служащий для передачи сигнала.
Нейронные сети обладают следующими свойствами:
-
однородность системы(элементы одинаковы и чрезвычайно просты, все определяется структурой связи).
2) надёжность системы из ненадежных элементов и использование простых аналоговых элементов.
-
при разрушении случайно выбранной части системы она сохраняет свои свойства.
Предполагается, что широкие возможности в системе связей компенсируют бедность выбора элементов, их надежность и возможные разрушения частей связи.
Используемая в нейроинформатике идеальная схемотехника представляет собой язык описания нейронных сетей и их обучения. При программной и аппаратной реализации выполненные на этом языке описания переводятся на более подходящие языки другого уровня.
Самым важным элементом является сумматор, который вычисляет скалярное произведение вектора входного сигнала X на вектор параметров.
Он называется адаптивными сумматоров из-за наличия вектора настраиваемых параметров b
Линейный преобразователь сигнала получает скалярный выходной сигнал Х и переводит его в заданную нелинейную функцию f(x)
Точка ветвления служит для рассылки одного сигнала по нескольким адресам. Она получает скалярный входной сигнал и передает его на все свои выходы
Стандартный формальный нейрон состоит из входного сумматора, нелинейного преобразователя и точки ветвления на выходе.
Функции активации нейрона
-
линейная
-
ступенчатая
-
сигноидальная
или
- математическая модель нейрона
W1….W6…Wn - вес связи
b - значение смещения
S - результат суммирования (аргумент функции активации)
x1…x6…xn - коэффициент входного вектора(входной сигнал)
y - выход нейрона(определяется видом функции активации)
Каждый вход умножается на соответствующий вес, все произведения суммируются и подаются на вход функции активации