Microsoft Word Книга иис мггу 1 Print doc

2.
По особенностям модели нейрона нейронные сети можно 
разделить на 
[3]
: 
2.1 по используемым на входах и выходах сигналам 
- 
аналоговые, 
- 
бинарные; 

---

154 
2.2 по изменяемым показателям состояния нейрона: 
- 
веса синапсов нейронов, 
- 
веса синапсов и пороги нейронов, 
- 
установление новых связей между нейронами; 
2.3 по принципу моделирования времени:
- 
сети с непрерывным временем, 
- 
сети с дискретным временем. 
Для программной реализации применяется, как правило, дискретное 
время. 
3. По особенностям обучения нейронных сетей различают 
[3]
: 
3.1 по наличию учителя: 
- 
с учителем (supervised neural networks),
- 
без учителя (nonsupervised).
3.2 по способу обучения: 
- 
обучение по входам, 
- 
обучение по выходам; 
3.3 по способу предъявления примеров: 
- 
предъявление одиночных примеров, 
- 
предъявления «страницы» (множества) примеров. 
При обучении с учителем предполагается, что есть внешняя среда, 
которая 
предоставляет 
обучающие 
примеры 
(значения 
входов 
и 
соответствующие им значения выходов) на этапе обучения или оценивает 
правильность функционирования нейронной сети и в соответствии со 
своими критериями меняет состояние нейронной сети или поощряет 
(наказывает) нейронную сеть, запуская тем самым механизм изменения ее 
состояния.
Под состоянием нейронной сети, которое может изменяться, обычно 
понимается: 
- 
веса синапсов нейронов (карта весов – map) (коннекционистский 
подход); 
- 
веса синапсов и пороги нейронов (обычно в этом случае порог 
является более легко изменяемым параметром, чем веса синапсов); 
- 
установление 
новых 
связей 
между 
нейронами 
(свойство 
биологических 
нейронов 
устанавливать 
новые 
связи 
и 
ликвидировать старые называется пластичностью). 

---

155 
Кроме того, есть так называемые «растущие» нейронные сети, в 
которых количество нейронов изменяется в процессе обучения. Алгоритмы 
обучения таких сетей называются конструктивными. 
При обучении по входам обучающий пример представляет собой только 
вектор входных сигналов, а при обучении по выходам в него входит и 
вектор выходных сигналов, соответствующий входному вектору. 
В случае предъявления одиночных примеров изменение состояния 
нейронной сети (обучение) происходит после предъявления каждого 
примера. В случае предъявления «страницы» примеров – на основе анализа 
сразу их всех. 
В основу главы 15 положен материал учебных пособий [1, 3] и работы 
[9], дополненные материалом работ [10, 11, 12]. 

---

156