Mavzu: Neyron modellashtirish. Neyron tarmoq modellarida tartibga solish

. Modellar sinfini transversal bo'lganlar kichik sinfiga eheklash strukturaviy tasvirlar darajasida murakkab tizimlarni o'rganishni sezilarli darajada soddalashtirishga imkon beradi. Vaqtni modellashtirishga ko'ra, neyron tarmoqlar real va diskret vaqtda ishlaydigan tarmoqlarga bo'linadi. Diskret vaqtda ishlaydigan tarmoqlar ko'p hollarda takroriy munosabatlar tizimlari bilan tavsiflanadi va dasturiy ta'minotda osonlik bilan amalga oshiriladi, bu ularni aeronavigatsion axborotni qayta ishlashning amaliy muammolarini hal qilish vositasi sifatida keng qo'llash imkonini beradi.

• 
  . Modellar sinfini transversal bo'lganlar kichik sinfiga eheklash strukturaviy tasvirlar darajasida murakkab tizimlarni o'rganishni sezilarli darajada soddalashtirishga imkon beradi. Vaqtni modellashtirishga ko'ra, neyron tarmoqlar real va diskret vaqtda ishlaydigan tarmoqlarga bo'linadi. Diskret vaqtda ishlaydigan tarmoqlar ko'p hollarda takroriy munosabatlar tizimlari bilan tavsiflanadi va dasturiy ta'minotda osonlik bilan amalga oshiriladi, bu ularni aeronavigatsion axborotni qayta ishlashning amaliy muammolarini hal qilish vositasi sifatida keng qo'llash imkonini beradi.
  

Neyron modellashtirish

Neyron modellashtirish

Sun'iy neyron tarmoqlari (SNT) axborot modellarini ifodalash uchun qulay va tabiiy asosdir. Neyron tarmoqni rasmiy ravishda to‘liq mahalliy ishlaydigan va bir yo‘nalishli ulanishlar ( sinapslar deb ataladi ) bilan birlashtirilgan oddiy 1 ishlov berish elementlari ( neyronlar deb ataladi ) to‘plami sifatida aniqlash mumkin. Tarmoq tashqi dunyodan ma'lum bir kirish signalini oladi va uni har bir qayta ishlash elementida transformatsiyalar bilan o‘zidan o‘tkazadi. Shunday qilib, - tarmoq ulanishlari orqali o‘tadigan signal jarayonida u qayta ishlanadi, natijada -

ma'lum bir chiqish signali.

. Kattalashtirilgan shaklda SNT kirish va chiqish

. Kattalashtirilgan shaklda SNT kirish va chiqish

o‘rtasidagi funktsional yozishmalarni amalga oshiradi va F tizimining G axborot modeli bo‘lib xizmat qilishi mumkin. Agar tarmoqning strukturaviy murakkabligi va neyronlarning o‘tish funktsiyalarida chiziqli bo‘lmaganligi uchun talablar osongina qondirilsa, neyron tarmoq tomonidan aniqlangan funktsiya o‘zboshimchalik bilan bo‘lishi mumkin. Har qanday tizim funktsiyasini F ni oldindan belgilangan aniqlik bilan ifodalash qobiliyati neyron tarmog’ini umumiy maqsadli kompyuter sifatida belgilaydi.