В современных системах автоматизированного проектирования ши

Рис. 5.3.
Ступенька с пологой частью
5.1.1.4. Экспонента
-NET
OUT
.
e

(5.4) 
Применяется в специальных случаях. 
5.1.1.5. SOFTMAX-функция


NET
NET
OUT
th NET
.
i
i
e
e



(5.5) 

---

119
Здесь суммирование производится по всем нейронам данного слоя 
сети. Такой выбор функции обеспечивает сумму выходов слоя, равную 
единице при любых значениях сигналов NET
i
данного слоя. Это позволяет 
трактовать OUT
i
как вероятности событий, совокупность которых (все вы-
ходы слоя) образует полную группу. Это полезное свойство позволяет 
применить SOFTMAX-функцию в задачах классификации, проверки гипо-
тез, распознавания образов и во всех других, где требуются выходы-
вероятности. 
5.1.1.6. Участки синусоиды




OUT
sin NET для NET
,
, или NET
,
.
2
2


 



 
 




(5.6) 
5.1.1.7. Гауссова кривая


2
NET-
2
1
OUT
.
2
m
e



(5.7) 
Гауссова кривая (рис. 5.4) применяется в случаях, когда реакция нейро-
на должна быть максимальной для некоторого определенного значения NET. 
Рис. 5.4.
Гауссова кривая

---

120
5.1.1.8. Линейная функция
OUT = 
K
· NET ,
K
= const.
(5.8) 
Применяется для тех моделей сетей, где не требуется последователь-
ное соединение слоев нейронов друг за другом.