1.6. Модели нейронных сетей
Модели НС делят на оптимизирующие и неоптимизирующие. И те, и другие функционируют в одном из двух режимов: обучения и решения задач. Некоторые разновидности «дообучаются» во время решения задач. Неоптимизирующие НС при решении задач преобразуют входные сигналы и выдают выходные. В оптимизирующих НС, как правило, используются обратные связи, и решение задач выполняется итеративно, т.е. сигнал проходит через сеть несколько раз, приближаясь к правильному решению. В ходе этих итераций выполняется оптимизация некоторой целевой функции, поэтому НС называются оптимизирующими.
1.6.1. Неоптимизирующие НС
6 вопрос
Модель Маккаллока
У. Маккаллок и его ученик У.Питтс в 1943 г. сформулировали основные положения теории деятельности головного мозга [2]. Результаты их работ:
-
разработана модель нейрона как простейшего процессорного элемента, выполняющего вычисление переходной функции от скалярного произведения вектора входных сигналов и вектора весовых коэффициентов;
-
предложена конструкция сети таких элементов для выполнения логических и арифметических операций;
-
сделано основополагающее предположение о том, что такая сеть способна обучаться, распознавать образы, обобщать полученную информацию.
Недостатки модели Маккаллока и Питтса:
-
пороговый вид переходной функции (не предоставляет нейронной сети достаточную гибкость при настройке на заданную задачу, хотя значительно снижает требования к сложности структуры нейрона);
-
бинарность состояний нейронов и синапсов.