В современных системах автоматизированного проектирования ши

5.1.1.9. Выбор функции активации
Выбор функции активации определяется:
1.
Спецификой задачи. 
2.
Удобством реализации на ЭВМ, в виде электрической схемы или дру-
гим способом. 
3.
Алгоритмом обучения. Некоторые алгоритмы накладывают ограниче-
ния на вид функции активации и их нужно учитывать. 
Чаще всего вид нелинейности не оказывает принципиального влия-
ния на решение задачи. Однако удачный выбор может сократить время 
обучения в несколько раз [90÷95]. 
5.1.2. Варианты технологического применения 
нейросети
В качестве критериев вариантов технологического применения НС 
могут выступать структура нейросети и обучение нейронных сетей. 
5.1.2.1. Структура нейросети 
Искусственные нейронные сети различаются своей архитектурой: 
структурой связи между нейронами, числом слоёв, функцией активации 
нейронов, алгоритмом обучения. С этой точки зрения среди известных НС 

---

121
можно выделить статические, динамические сети и fuzzy – структуры (по-
следнее – термин теории нечётких множеств); однослойные и многослой-
ные сети. Различия вычислительных процессов в сетях часто обусловлены 
способом взаимосвязи нейронов, поэтому выделяют следующие виды сетей: 
1.
Сети прямого распространения – сигнал проходит по сети от входа к 
выходу в одном направлении. 
2.
Сети с обратными связями. 
3.
Сети с боковыми обратными связями. 
4.
Гибридные сети. 
В целом, по структуре связей НС могут быть сгруппированы в два 
класса: сети прямого распространения – без обратных связей в структуре и 
рекуррентные сети – с обратными связями. В первом классе наиболее из-
вестными и чаще используемыми являются многослойные нейронные се-
ти, где искусственные нейроны расположены слоями. Связь между слоями 
однонаправленная и в общем случае выход каждого нейрона связан со 
всеми входами нейронов последующего слоя. Такие сети являются стати-
ческими, так как не имеют в своей структуре ни обратных связей, ни ди-
намических элементов, а выход зависит от заданного множества на входе и 
не зависит от предыдущих состояний сети. Сети второго класса являются 
динамическими, так как из-за обратных связей состояние сети в каждый 
момент времени зависит от предшествующего состояния. (Ниже, на рис. 
5.5, приведена классификация) [41÷45, 84÷90].