-
Структура нейронов.
Адаптивный сумматор
Адаптивный сумматор реализует функцию скалярного произведения вектора входов нейрона на вектор весов. Адаптивным он называется, поскольку вектор весов W является настраиваемым.
Нелинейный преобразователь
Нелинейный преобразователь реализует функцию возбуждения нейрона. Известны три основных типа функции возбуждения:
пороговая, линейная, сигмоидальная (наиболее приближенная к реальному нейрону )
Точка ветвления
Предназначена для рассылки одного сигнала по нескольким адресам (для передачи на входы нескольких нейронов).
Синапс
Отдельно от сумматоров не встречается, выделяется для удобства рассуждений. Представляет собой линейную связь с коэффициентом усиления.
Стандартный формальный нейрон состоит из сумматора, нелинейного преобразователя и точки ветвления.
Наиболее распространены два типа нейронов: нейрон Хебба (он более распространен) и нейрон Олбуса. НС, построенные на нейронах Хебба, называют сетями с синаптической пластичностью, построенные на нейронах Олбуса – сетями с нейронной пластичностью.
У нейрона Олбуса сумматор производит только суммирование, а умножение на коэффициент осуществляется после нелинейного преобразователя, или после точки ветвления (в этом случае умножение производится также на вектор коэффициентов для каждого выхода).
Сновные топологии НС: Слоистые сети
Нейроны слоистой НС расположены слоями . Число нейронов в каждом слое никак не связано с количеством слоев. Нейроны каждого слоя подают сигналы на входы нейронов следующего слоя и снимают сигналы с выходов нейронов предыдущего слоя. Возможны также слоистые сети с обратными связями. В них выходы каждого нейрона подаются на входы нейронов его слоя. Такая НС обладает свойствами автомата с памятью.
Полносвязные сети
Дифференциация НС на слои не производится . Все входные сигналы подаются всем нейронам. Выходной сигнал каждого нейрона передается всем нейронам. Выходными сигналами НС могут быть выходные сигналы всех или некоторых нейронов.