Виды нейронных сетей

Взаимосвязанные нейроны могут образовывать многослойные структуры (рис.11.5). В каждом слое может находиться различное число нейронов. Если не оговорено противное, то каждый выходной сигнал -го слоя подается на вход всех нейронов ()-го слоя.

Рис.11.5. Структура многослойной нейронной сети

При стандартном способе подачи входных сигналов все нейроны 1-го слоя принимают каждый входной сигнал. При этом 1-й и -й слои называются соответственно входным и выходным, а все промежуточные – скрытые.

Каждый из слоев, кроме выходного может быть разбит на 2 блока: возбуждающий и тормозящий. Такими же возбуждающими (с положительными весами ) или тормозящими (с отрицательными весами ) могут быть и связи между слоями. При возбуждающих связях любой выходной сигнал блока является монотонно неубывающей функцией сигнала, переданного предыдущим блоком. При тормозящих связях этот сигнал – невозрастающая функция.

По структуре связей НС разделяются на следующие конструкции:

- полносвязные, в которых каждый нейрон передает свой выходной сигнал остальным нейронам, в том числе и самому себе. В такой сети входной сумматор нейрона фактически распадается на два: первый вычисляет линейную функцию от входных сигналов, второй – нелинейную функцию от выходных сигналов других нейронов, полученных на предыдущем шаге. (Сеть Хопфилда);

- рекуррентные, отличающиеся тем, что слои замкнуты в кольцо – последний передает свои выходные сигналы первому. Однажды запустившись, такие сети могут функционировать бесконечно долго;

- слоисто-полносвязные сети состоят из слоев, каждый из которых представляет собой полносвязную сеть;

- полносвязно-слоистые сети имеют свойства двух предыдущих сетей;

- радиальные сети (сети с радиальной функцией), в которых нейроны реализуют функции, радиально изменяющиеся вокруг выбранного центра и принимающие ненулевые значения только в окрестности этого центра. Подобные функции, определяемые в виде , будем называть радиальными базисными функциями. В таких сетях роль нейрона заключается в отображении радиального пространства вокруг одиночной заданной точки (центра) либо вокруг группы таких точек, образующих кластер. Суперпозиция сигналов, поступающих от всех таких нейронов, позволяет получить отображение всего многомерного пространства.

Не нашли, что искали? Воспользуйтесь поиском: