Нейрокомпьютинг и его применения в экономике и бизнесе

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


многомерного отображения F: х => у , обобщающего заданный набор примеров |х“, у»}.


В зависимости от типа выходных переменных (тип входных не имеет решающего значения), аппроксимация функций может принимать вид


■    Классификации (дискретный набор выходных значений), или


■    Регрессии (непрерывные выходные значения)


Многие практические задачи распознавания образов, фильтрации шумов, предсказания временных рядов и др. сводится к этим базовым прототипическим постановкам.


Причина популярности персептронов кроется в том, что для своего круга задач они являются во-первых универсальными, а во-вторых — эффективными с точки зрения вычислительной сложности устройствами. В этой главе мы затронем оба аспекта.


Возможности многослойных персептронов


Изучение возможностей многослойных персептронов удобнее начать со свойств его основного компонента и одновременно простейшего персептрона — отдельного нейрона.


Нейрон — классификатор


Простейшим устройством распознавания образов, принадлежащим к рассматриваемому классу сетей, является одиночный нейрон, превращающий входной вектор признаков в скалярный ответ, зависящий от линейной комбинации входных переменных:

у = f ( @ C wo ) a( @)


Здесь и далее мы предполагаем наличие у каждого нейрона дополнительного единичного входа с нулевым индексом, значение которого постоянно: х0 = 1. Это позволит упростить выражения, трактуя все синаптические веса w., включая порог vr0, единым образом.


Скалярный выход нейрона можно использовать в качестве т.н. дискриминантной функции. Этим термином в теории распознавания образов называют индикатор принадлежности входного вектора к одному из заданных классов. Так, если входные векторы могут принадлежать одному из двух классов, нейрон способен различить тип входа, например, следующим образом: если /(х) > 0 , входной вектор принадлежит первому классу, в противном случае — второму.

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