Нейрокомпьютинг и его применения в экономике и бизнесе

Скачать в pdf «Нейрокомпьютинг и его применения в экономике и бизнесе»


Вообще говоря, то, что нейроны в рекуррентных сетях по многу раз принимают участие в обработке информации позволяет таким сетям производить более разнообразную и глубокую обработку информации. Но в этом случае следует принимать специальные меры к тому, чтобы сеть не зацикливалась (например, использовать симметричные связи, как в сети Хопфилда, или принудительно ограничивать число итераций, как это делается в эмуляторе MultiNeuron группы НейроКомп).


Таблица 6. Сравнение архитектур связей нейросетей


Сравнение сетей:


Без обратных связей (многослойные)


С обратными связями


Преимущества


Простота реализации. Гарантированное получение ответа после прохождения данных по слоям.


Минимизация размеров сети — нейроны многократно участвуют в обработке данных. Меньший объем сети облегчает процесс обучения.


Недостатки


Требуется большее число нейронов для алгоритмов одного и того же уровня сложности. Следствие -большая сложность обучения.


Требуются специальные условия, гарантирующие сходимость вычислений.

Классификация по типу связей и типу обучения (Encoding-Decoding)


Ограничившись лишь двумя описанными выше факторами, разделяющими сети по типу обучения (программирования) и функционирования, получим следующую полезную классификацию базовых нейро-архитектур, впервые предложенную, по-видимому, Бартом Коско (Таблица 7).


Таблица 7. Классификация нейросетей


Тиб обучения (Coding) ^ Тип связей (Decoding) Ф


С «учителем»


Без «учителя»


Без обратных связей


Многослойные


персептроны


(аппроксимация


функций,


классификация)


Соревновательные сети, карты Кохонена (сжатие данных, выделение признаков)


С обратными связями


Рекуррентные аппроксиматоры (предсказание временных рядов, обучение в режиме online)


Сеть Хопфилда (ассоциативная память, кластеризация данных, оптимизация)

В этой таблице различные архитектуры сетей, которые встретятся нам далее в этой книге, распределены по ячейкам в зависимости от способа обработки ими информации и способа их обучения. В скобках указаны основные типы задач, обычно решаемых данным классом нейросетей.

Скачать в pdf «Нейрокомпьютинг и его применения в экономике и бизнесе»