Персептроны
1(x) |
|
a1 |
a |
1 |
(x) |
|
|
|
|
|
|
1 |
|
|
|
|
|
j (x) |
|
|
|
|
|
(x,a) |
Пороговое |
1 |
|
a j |
|
|
|
1 |
|||
|
|
|
|
|
устройство |
|||
|
|
|
|
|
|
|
sgn |
|
M (x) |
aM |
|
|
|
|
Блок |
|
|
|
|
|
|
|
|
|
||
Преобразователи, |
|
|
|
|
|
|
обучения |
|
Усилители |
|
|
|
|
|
|
||
предикаты, |
|
|
|
|
|
|
||
нейроны
Формальный нейрон
Нелинейное преобразование
Маккалок - Питтс
Линейная
Сигмоидальная
Перцептрон Розенблата
Розенблат: нейронная сеть рассмотренной архитектуры будет способна к воспроизведению любой логической функции.
(неверное предположение)
Обучение сети
Обучить нейронную сеть это значит, сообщить ей, чего от нее добиваются.
Показав ребенку изображение буквы и получив неверный ответ, ему сообщается тот, который хотят получить.
Ребенок запоминает этот пример с верным ответом и в его памяти происходят изменения в нужном направлении.
Обучение перцептрона
Начальные значения весов всех нейронов полагаются случайными.
Сети предъявляется входной образ x в результате формируется выходной образ.
STATISTICA Neural Networks
ВОПРОСЫ ?
ПЛАНИРОВАНИЕ
ЭКСПЕРИМЕНТА
Что такое планирование эксперимента
u1 |
Целью планирования |
эксперимента |
является создание |
таких планов |
|
Объект |
y покачивания входных |
переменных, |
um |
которые обеспечивают более быстрое |
|
|
и точное построение модели объекта. |
|
Выход объекта состоит из неизвестного сигнала (функции от входов) и центрированной помехи
y (u1, , um ) h