- Главная
- Разное
- Дизайн
- Бизнес и предпринимательство
- Аналитика
- Образование
- Развлечения
- Красота и здоровье
- Финансы
- Государство
- Путешествия
- Спорт
- Недвижимость
- Армия
- Графика
- Культурология
- Еда и кулинария
- Лингвистика
- Английский язык
- Астрономия
- Алгебра
- Биология
- География
- Детские презентации
- Информатика
- История
- Литература
- Маркетинг
- Математика
- Медицина
- Менеджмент
- Музыка
- МХК
- Немецкий язык
- ОБЖ
- Обществознание
- Окружающий мир
- Педагогика
- Русский язык
- Технология
- Физика
- Философия
- Химия
- Шаблоны, картинки для презентаций
- Экология
- Экономика
- Юриспруденция
Основные понятия искусственных нейронных сетей. (Лекция 2) презентация
Содержание
- 1. Основные понятия искусственных нейронных сетей. (Лекция 2)
- 2. Рис.2.1 – Структура искусственного нейрона
- 3. Входной оператор - сумма взвешенных входов
- 4. Функция активации - линейная
- 5. - линейная биполярная с насыщением Рис.2.3 – Линейная с насыщением
- 6. - линейная униполярная с насыщением
- 7. – функция Хевисайда - униполярная пороговая функция Рис.2.5 – Пороговая функция
- 8. – биполярная пороговая функция Рис.2.6 – Биполярная пороговая функция
- 9. - логистическая (униполярная) Рис.2.7 –Логистическая функция
- 10. -гиперболического тангенса (биполярная)
- 11. Выражение логистической функции и функции гиперболического тангенса друг через друга:
- 12. - модулированная сигмоида Рис. 2.9 – Функция “модулированная сигмоида”
- 13. - синусоидальная с насыщением (биполярная) Рис.2.10 – Функция синусоидальная с насыщением
- 14. - косинусоидальная с насыщением (униполярная) Рис.2.11 – Функция косинусоидальная с насыщением
- 15. Топология ИНС Рис.2.12 – Структура ИНС
- 16. Способы представления ИНС Рис.2.13 – Пример представления ИНС
- 17. Топологии ИНС: 1. ИНС без
- 18. ИНС прямого распространения Рис. 2.14 – ИНС прямого распространения второго порядка
- 19. ИНС обратного распространения Рис.2.15 – ИНС с прямыми обратными связями
- 20. Рис.2.16 – ИНС с непрямыми обратными связями
- 21. Рис.2.17 – ИНС с латеральными связями
- 22. Полносвязные ИНС Рис.2.18 – Полносвязная ИНС
- 23. Подходы к обучению ИНС: - изменение конфигурации
- 24. Рис.2.19 – Модель искусственного нейрона
- 25. Типы обучения ИНС: - Обучение с учителем;
- 26. Правило обучения Хэбба (коррелятивное, соотносительное обучение)
- 27. Дельта-правило Расширенное дельта-правило
- 28. Конкурентное обучение; Стохастическое обучение; Градиентные
- 29. Модели искусственных нейронов. Рис. 2.20 – Модель искусственного нейрона Маккаллоха-Питтса и её обозначение
- 30. Рис. 2.21 – Электронная аналоговая модель нейронной клетки
- 31. Рис. 2.22 – Упрощенная модель нейрона Фукушимы
- 32. Модель искусственного нейрона Хопфилда Рис. 2.23 – Модель Хопфилда динамической нейронной клетки
- 33. Рис.2.24 – Структура нейрона Хопфилда
- 34. Модель Гроссберга Рис.2.25 – Функциональная модель нейрона Гроссберга
- 35. Сигма-ПИ-нейрон , Рис.2.26 – Сигма-Пи нейрон
- 36. Стохастический нейрон где P(z|y=1)+P(z|y= – 1)=1. Рис. 2.27 – Модель стохастического нейрона
Рис.2.1 – Структура искусственного нейрона
Слайд 3Входной оператор
- сумма взвешенных входов
;
- максимальное значение взвешенных входов
;
-
произведение взвешенных входов
;
- минимальное значение взвешенных входов
.
Слайд 14- косинусоидальная с насыщением (униполярная)
Рис.2.11 – Функция косинусоидальная с насыщением
Слайд 17Топологии ИНС:
1. ИНС без обратных связей (прямого распространения, feed-forvard)
- первого порядка;
-
второго порядка (c “shortcut connections”).
2. ИНС с обратными связями (обратного распространения,
рекуррентные, Feedback)
- с прямыми обратными связями (direct feedback);
- с непрямыми обратными связями (indirect feedback);
- с латеральными связями (lateral feedback);
- полносвязные.
2. ИНС с обратными связями (обратного распространения,
рекуррентные, Feedback)
- с прямыми обратными связями (direct feedback);
- с непрямыми обратными связями (indirect feedback);
- с латеральными связями (lateral feedback);
- полносвязные.
Слайд 23Подходы к обучению ИНС:
- изменение конфигурации сети путем образования новых
или
исключения некоторых существующих связей между
нейронами;
- изменение элементов матрицы связи (весов);
- изменение характеристик нейронов (вида и параметров
активационной функции и т.д.).
нейронами;
- изменение элементов матрицы связи (весов);
- изменение характеристик нейронов (вида и параметров
активационной функции и т.д.).
Слайд 26Правило обучения Хэбба (коррелятивное,
соотносительное обучение)
,
В векторном виде данное правило может
быть записано
следующим образом:
для непрерывного времени
следующим образом:
для непрерывного времени
для дискретного времени
.
Слайд 28Конкурентное обучение;
Стохастическое обучение;
Градиентные методы обучения
где γ - коэффициент, влияющий на
скорость обучения;
Слайд 29Модели искусственных нейронов.
Рис. 2.20 – Модель искусственного нейрона
Маккаллоха-Питтса и её обозначение
Слайд 32Модель искусственного нейрона Хопфилда
Рис. 2.23 – Модель Хопфилда динамической нейронной
клетки
