11 Часть I. Компоненты 14 Глава Компьютерная
жүктеу/скачать 4,29 Mb.
|
nikolaev is mitrenina ov lando tm red prikladnaia i kompiute
- Бұл бет үшін навигация:
- Искусственные нейронные сети
| Линейная регрессия
Линейная регрессия (linear regression) используется в тех задачах, где нужно искать регрессионную зависимость только среди функций ли- нейного вида, которые описываются суммой переменных (в нашем случае это параметры, описывающие объекты), каждая из которых умножается на свой коэффициент: 𝑛 ∑ 𝛼jƒj(𝑥). j=1 Остается лишь подобрать значения коэффициентов, для этого можно воспользоваться методом наименьших квадратов — самый распростра- ненный статистический алгоритм. Искусственные нейронные сетиИскусственные нейронные сети (artificial neural networks) изна- чально создавались как модель биологической нервной системы. Именно поэтому в этой области многие термины заимствованы из нейрофизиоло- гии. Основной единицей этой модели является нейрон, состоящий из сле- дующих частей: определенное количество входных сигналов; сумматор, складывающий входные сигналы с определенными весами в значение 𝑣; сеть синапсов (связей) соединяющая входные сигналы с сумматором, при этом у каждого ребра-синапса есть вес; функция активации 𝜑(𝑣), преобразующая результат суммирования в выходной сигнал — обычно в диапазоне [−1, 1]. Обычно используются следующие функции активации: пороговая функция (модель Мак-Каллока — Питца) 𝜑(𝑣) 1, если 𝑣 ≥ 0; = {0, если 𝑣 < 0; 𝜑(𝑣) = ❪|𝑣|, 2 > 𝑣 > − 2 ; I 1 𝗅 0, 𝑣 ≤ − 2 ; сигмоидальная функция 𝜑 𝑣 = ( ) 1 , 1+e−𝑎𝑣 где 𝑎 — параметр наклона. Множество таких нейронов составляет слой нейронной сети. Почти самая простая сеть будет состоять из трех слоев нейронов: входного, скрытого и выходного. Для входного и выходного слоя известны некото- рые параметры: какой сигнал подается на вход и какой оказывается на вы- ходе. В скрытом слое, как следует из названия, производятся неявные пре- образования сигналов. Чтобы описать основные типы (архитектуры) нейронных сетей, нуж- но также ввести понятие обратной связи. Она возникает в тех случаях, когда выходной сигнал оказывает влияние на новый входной сигнал. В зависимости от наличия в сети обратной связи выделяют сети прямого распространения и рекуррентные сети. В первых информация из входного слоя передается на выходной слой нейронов; в случае многослойной сети через один или несколько слоёв скрытых нейронов. Многослойные се- ти позволяют находить более сложные зависимости, особенно когда раз- мер входного слоя достаточно велик. Рекуррентные нейронные сети отли- чает наличие хотя бы одной обратной связи. жүктеу/скачать 4,29 Mb. Достарыңызбен бөлісу:
|