русс | укр

Языки программирования

ПаскальСиАссемблерJavaMatlabPhpHtmlJavaScriptCSSC#DelphiТурбо Пролог

Компьютерные сетиСистемное программное обеспечениеИнформационные технологииПрограммирование

Все о программировании


Linux Unix Алгоритмические языки Аналоговые и гибридные вычислительные устройства Архитектура микроконтроллеров Введение в разработку распределенных информационных систем Введение в численные методы Дискретная математика Информационное обслуживание пользователей Информация и моделирование в управлении производством Компьютерная графика Математическое и компьютерное моделирование Моделирование Нейрокомпьютеры Проектирование программ диагностики компьютерных систем и сетей Проектирование системных программ Системы счисления Теория статистики Теория оптимизации Уроки AutoCAD 3D Уроки базы данных Access Уроки Orcad Цифровые автоматы Шпаргалки по компьютеру Шпаргалки по программированию Экспертные системы Элементы теории информации

Рекуррентная сеть Эльмана


Дата добавления: 2014-11-28; просмотров: 798; Нарушение авторских прав


Данная рекуррентная сеть представляет собой развитие сетей персептронного типа за счет добавления в них обратных связей. Сеть Эльиана является одним из представителей типа сетей, названных рекуррентными многослойными персептронами (RMLP) [7].

Сеть Эльмана характеризуется частичной рекуррентностью в форме обратной связи между входным и скрытым слоем, реализуемой с помощью единичных элементов запаздывания . Обобщенная структура этой сети представлена на рис. 6.4. Каждый скрытый нейрон имеет свой аналог в контекстном слое, образующем совместно с внешними входами сети входной слой. Выходной слой состоит из нейронов, однонаправлено связанных только с нейронами скрытого слоя. Обозначим внутренний вектор возбуждения сети (в его состав входит пороговый элемент), состояния скрытых нейронов - , а выходные сигналы сети - . Тогда входной вектор сети в момент времени имеет форму:

(6.21)

Веса синаптических связей первого (скрытого) слоя сети обозначим , а второго (выходного) слоя . Если взвешенную сумму i-го нейрона скрытого слоя обозначить , а его выходной сигнал - , то

; (6.22)

; (6.23)

Веса образуют матрицу синаптических связей скрытого слоя, а - функция активации i-го нейрона скрытого слоя. Аналогично можно обозначить взвешенную сумму s-го нейрона выходного слоя , а соответствующий ему выходной сигнал сети - . Эти сигналы описываются формулами:

; (6.24)

. (6.25)

  · · ·   · · · · · · · · · ·    

 


Рис. 6.3 Структура сети Эльмана

 

 

Рис. 6.3 Обобщенная структура сети Эльмана

В свою очередь, веса образуют матрицу , описывающую синаптические связи нейронов выходного слоя, а - функция активации s-го нейрона выходного слоя.





<== предыдущая лекция | следующая лекция ==>
Сеть Хемминга | Алгоритм обучения рекуррентной сети Эльмана


Карта сайта Карта сайта укр


Уроки php mysql Программирование

Онлайн система счисления Калькулятор онлайн обычный Инженерный калькулятор онлайн Замена русских букв на английские для вебмастеров Замена русских букв на английские

Аппаратное и программное обеспечение Графика и компьютерная сфера Интегрированная геоинформационная система Интернет Компьютер Комплектующие компьютера Лекции Методы и средства измерений неэлектрических величин Обслуживание компьютерных и периферийных устройств Операционные системы Параллельное программирование Проектирование электронных средств Периферийные устройства Полезные ресурсы для программистов Программы для программистов Статьи для программистов Cтруктура и организация данных


 


Не нашли то, что искали? Google вам в помощь!

 
 

© life-prog.ru При использовании материалов прямая ссылка на сайт обязательна.

Генерация страницы за: 0.006 сек.