НС прямого распространения сигмоидального типа.

Здесь речь пойдет об персепейтронах, понятие вот этого как первой модели возможности обучения вел в 1958 году Френк Розенблат.

Персептрон это однонаправленная Нс или сеть MLP. Состоит их нейроном сигмоидально типа, передача сигналов от исходного типа происходит от входа к выходу. Простейшей формой Нс которая предназначена для класиффикации линейно разделах сигналов когда образы разделяются некоторой гиперплоскостью является персептрон роземн-блата. Персепторон состоит из одного нейрона с синаптическими весами и порога.

 

 

При этом он формирует поверхность решений по форме гипер плоскости разделяющий эти два класса . Персейптрон построенный на одном нейроне(рис 2) выполняет задачу разделения только двух классов, каждый логичный уровень 1 или 0 будет обозначать отдельный класс. При увеличении размерности выходного размера персептрона включившего в него несколько нейронов можно решать задачи классификации на большее число классов. На двух выходах можно закодировать четыре класса. Примером нелинейной проблемы является проблема моделирования отношения хор(исключающее или) логическая функция хор при выводе дает 1 только тогда когда одно из выводимых значений дано 1 иначе 0. Покажем ограниченный возможности однослойных сетей на примере реализации двух-входовой. Не возможно провести единственную линию разделяющую пространство данных на два класса.

Лекция №1005.04.12

Данное условие не может быть выполнено при применении для разделения пространства, единственной прямой. Независимо от параметров этой прямой. Следовательно, однослойный персептрон, не в состоянии реализовать однослойную функцию хор. Для первого нейрона будем иметь: V1=W11x1+W12x2+W10>0 и V1=W11x1+W12x2+W10<0 (формула 1) V2=W21x1+W22x2+W20>0 и V2=W21x1+W22x2+W20<0(формула 2) настройка синоптических весов 1 и 2 обеспечивает разделение пространства представленное на (рис.2) Добавим на выходе нейросети еще один нейрон, т.е выходной слой состоит из одного слоя, тем самым реализуется функция логического суммирования, которая выделяет общую часть подмножеств V1>0 V2>0 окончательная архитектура нейронной сети которая выполняет логическую функцию ХОР представлена на (рис.3)