referaty.sk – Všetko čo študent potrebuje
Albert
Streda, 8. apríla 2020
Neurónové siete
Dátum pridania: 11.03.2003 Oznámkuj: 12345
Autor referátu: dusdos
 
Jazyk: Slovenčina Počet slov: 438
Referát vhodný pre: Stredná odborná škola Počet A4: 1.6
Priemerná známka: 2.97 Rýchle čítanie: 2m 40s
Pomalé čítanie: 4m 0s
 
TS sa da zalgoritmizovat pomocou NS, vsetko co sa da zalgoritmizovat sa da zachytit pomocou NS…stav vsetkych procesov ja upravovany podla vztahu xi(t+1)=γ(Σ(j=1po n)(wij xj (t)) + Σ(j=1 po n) (bj wj (t)) + cj).princip: vstup a vystup su prezentovane ako toky. Vstupne symboly su prenasane po jadnom v kazdom case t. Vystup je prezentovany ako tok synbolov cez p kanalov. Pomocou takychto sieti je mozne simulovat vsetky TS tj. existuje NS tvorena 886 procesormi, kt. pocita CRF.

Neuromat: Regularny neuronovy akceptor (RNA) je NS pre kt. plati, ze existuje jediny vstupny a vystupny neuron. E Î V x (V – Inp ) - Out>. Do vstupneho neuronu nevedu ziadne hrany.
Je zakazana hrana medzi vstupom a vystupom
W : E→ 2
e: V - Inp→ 2
Xinit : V – Inp→ {0,1}

Boltzmanove siete:
Vyuzivaju metodu simulovaneho zihania, tj. pri kazdej teplote sa snazia dosiahnut rovnovahu.
Algoritmus:
1.Inicializacia vah prepojeni Wij na nahodne hodnoty a vyber hodnoty z trenovacej mnoziny
2.Fixovana taza: pre danu trenovaciu vzorku fixujeme stavy vstupnych a vystupnych neuronov a privedieme siet do stavu s min.energiou pomocou metody simulovaneho zihania, pricom teplotu znizujeme pomocou tabulky ochladzovania. Pri kazdej teplote sa stavy menia az kym siet nedosiahne teplotnu rovnovahu. po jej dosiahnuti pri koncovej teplote Tk vypocitame hodnoty podmienenych relacii pre ρ ij+ pre i=1,...,n
3.Opakujeme ako v 2., ale fixujeme iba stavy vstupnych neuronov a pri hranici Tk vypocitame
ρ- = ∑ α ∑ β ∑ γ ρ-αβγ ρiαβγ ρjαβγ
4. Uprava vah prepoj: Δw ij= η(ρ- ij - ρ+ ij) i,j=1..n i sa nerovna j
5.Vybrat dalsiu trenovaciu vzorku a opakovat od kroku 2 kym siet neskonverguje (v dvoch po sebe iducich iteraciach sa vahy nezmenia).

Kohonenove siete: SOFM – samoorganizujúce sa mapy. Kohonenove mapy = učenie bez učiteľa. 2 vrstvy: a) dolná vrstva – lineárna dimenzia vstupných vektorov b) horná vrstva – vlastná Kohonenova mapa. Mapa, ktorá bude odrážať skutočnosť zdola. Najčastejšie mriežka, kde sú prepojenia medzi ostatnými neurónmi. Každý neurón z hornej vrstvy je prepojený s neurónom dolnej vrstvy, čiže každý neurón hornej vrstvy je spojený synaptickými väzbami so všetkými vstupnými neurónmi. Tieto väzby sa v adaptívnom režime modifikujú podľa prichádzajúcich vstupov. Ďalšie väzby – medzi všetkými neurónmi v hornej vrstve.
 
   1  |  2    ďalej ďalej
 
Copyright © 1999-2019 News and Media Holding, a.s.
Všetky práva vyhradené. Publikovanie alebo šírenie obsahu je zakázané bez predchádzajúceho súhlasu.