Детерминированные модели нейрона.

Модели искусственного нейрона.

 

Искусственный нейрон имитирую свойства биологического нейрона имеет похожее строение. Чтобы подчеркнуть различия биологических и искусственных нейронов, искусственные нейроны называют нейроноподобными элементами, формальными нейронами или узлами.

 

 

Модель искусственных нейронов представленные на Рис.2 можно выделить 3 основных элемента:

А) Набор синапсов или связей, каждая из которых характеризуется своим синоптических коэффициентом или весом (W i). В отличии от синапсов мозга, синоптический вес искусственного нейрона может иметь как положительное так и отрицательное значение. Синоптические связи с положительными весами называются возбуждающими, а с отрицательными весами тормозящими.

Б) Сумматор, который складывает входные сигналы, взвешенные относительно соответствующих синапсов нейрона. Эта операция может быть описана как линейная комбинация (Е).

В) Функция активации (передаточная функция или функция сжатия), которая ограничивает амплитуду выходного сигнала нейрона. (F)

 

Обычно нормализованные диапазон амплитуд выхода нейрона находится в интервале

[0,1] ,[-1,1].

В математичкой модели нейрона на вход искусственного нейрона поступает некоторое количество сигнала. Каждый входной сигнала умножается на соответствующий коэффициент, который моделирует силу синоптической связи и все произведения суммирует, определяя уровень активации нейрона. Взвешенная сумма (V) входных величии X i :

 

(1)

Здесь n - это размерность пространства входных символов.

Затем полученная сумма сравнивается с пороговой величиной W 0 (называемой смещение, сдвигом или порогом) , после чего вступает в действие не линейная функция активации F в результате получается выходной сигнал нейрона. Коэффициенты {W i} в сумме (1) обычно называют синоптическими коэффициентами или весами. Выходной сигнал нейрона «y», есть функция его состояния (F(V)). Величину порогового барьера можно рассматривать как ещё один коэффициент при постоянном входном сигнале, эта величина отражает увеличение или уменьшение входного сигнала подаваемового на функцию активации. В этом случае говорят о расширенном входном пространстве: нейрон с n-мерным входом имеет n+1 весовой коэффициент.

При этом соотношение (1) для потенциала нейрона имеет вид:

n

V = ∑ Wi xi + W0 = * ; (2)

i = 1

Здесь V называется потенциалом активации или индуцированным локальным полем. В зависимости от способа преобразования сигнала и характере функции активации возникают различные виды нейронных структур.

Рассматривают детерминированные нейроны и вероятностные нейроны. Состояние которых в момент времени t, есть случайная функция потенциала и состояния в момент t -1. Различают статические нейроны, такие в которых сигнал передаётся без задержки и динамические нейроны, где учитывается возможность таких задержек( Синапсы с запаздыванием).

В случае, когда функция активации одна и та же для всех нейронов, нейронная сеть называется однородной или гомогенной, если же функция активации зависит ещё от одного или нескольких параметров, значение которых меняется от нейронов к нейрону, то нейронная сеть называется не однородной или гетерогенной.