Академический Документы
Профессиональный Документы
Культура Документы
Аннотация: В работе предложены новые типы быстро Функция активации не обязательно должна
описываться сигмоидой. Более того, в качестве
обучающихся масштабируемых аналоговых и цифровых
выходного сигнала может выступать даже просто
искусственных нейронных сетей (п-сети), которые сумма приходящих на нейрон сигналов.
основаны на новой модели формального нейрона, Корректировка весов п-нейрона (обучение)
описанной в [1]. Предложенные п-сети имеют синапсы происходит не постепенной подборкой значений от
с множеством весов и устройства выбора веса в образа к образу (постепенным градиентным
зависимости от интенсивности входящего сигнала. спуском), а одношаговой операцией компенсации
Показаны варианты сетей, выполненных на элементах ошибки при ретроградном сигнале. При этом
учитывается только информация, поступающая на
сопротивления, и, в частности, на мемристорных
обучаемый нейрон с его синапсов, но не
элементах. Также описываются матричные методы учитывается состояние других нейронов. Обучение
обучения и работы предложенной сети. Время обучения каждому образу не зависит от обучения
для новой сети линейно зависит от размеров сети и предыдущим образам, на каждом образе
объёмов данных, в отличие от других моделей производится полная компенсация ошибки обучения
искусственных нейронных сетей, имеющих для текущего образа.
экспоненциальную зависимость. Таким образом, Корректировка весов каждого нейрона производится
за счёт встречных сигналов: прямого, полученного в
обучение п-сети проходит в десятки раз быстрее, чем
результате распознавания нейроном входного
обучение известных сетей. Полученные результаты образа и обратного, в качестве которого выступает
могут быть применены как в существующих ожидаемый выходной сигнал. Корректировка весов
искусственных нейронных сетях, так и для разработки в аналоговом варианте производится следующим
нейронного микрочипа. образом:
1. Прямой сигнал (полученный при
Ключевые слова: Нейронная сеть, Аналоговый распознавании) снижает значения
мемристор, Матрица, Обучающий алгоритм выбранных на синапсах весов
пропорционально величине этого сигнала.
1 Структура п-сети 2. Обратный (ретроградный) сигнал
(ожидаемый выходной сигнал), подаваемый
Новая модель формального нейрона (далее – п-нейрон), на выход нейрона, повышает значения
лежащего в основе п-сети, включает несколько выбранных на синапсах весов
обязательных принципов: пропорционально величине этого
Использование нескольких медиаторов в каждом ретроградного сигнала.
синапсе. В искусственных нейронных сетях роль Независимая корректировка весов каждого нейрона
набора медиаторов могут исполнять элементы, обеспечивает возможность полного
получившие название «корректирующие веса», они распараллеливания обучения сети.
могут быть физически представлены электрическим
сопротивлением, проводимостью, напряжением, Изложенные выше принципы являются основой для
электрическим зарядом, намагниченностью или
построения новых алгоритмов обучения и приводят к
другими физическими эффектами.
Выбор корректирующего веса для каждого радикальному изменению поведения п-сети.
конкретного сигнала, приходящего на синапс,
должен основываться на величине сигнала.
Где ошибку каждого нейрона делим на величину m. Такие же операции обучения проводятся для всех
образов из обучающей выборки. Цикл по всем образам
Для корректировки каждого выбранного элемента
является одной эпохой обучения. Если уровень ошибки
матрицы весов W на величину корректировки из
после эпохи еще слишком велик, цикл обучения по всем
соответствующей строки матрицы D создадим матрицу
образам повторяется.
корректировок C, перемножив матрицу корректировок D
на матрицу входного образа I. Обучение и работа многослойных сетей имеют свои
особенности и требуют освещения в отдельной
d1 c11 c12 ... c1k публикации.
d c c ... c2 k
C D I 2
i1 i2 ... ik 21 22 (7) 4 Экспериментальные результаты
... ... ... ... ...
Экспериментальная п-сеть, построенная по
dn cn1 cn 2 ... cnk
приведенному алгоритму, была реализована в виде
однопоточной программы. Тестирование проводилось
Матрица С имеет размерность n x k, как и матрица весов
на laptop Dell Inspiron 5721, Intel CORE i5 1.80 GHz,
W, при этом каждый элемент в каждой строке матрицы
Windows 7, путем сравнения п-сети с классическими
C равен 0, если он находится в невыбранной колонке, и
нейронными сетями NeuroSolution and IBM SPSS
равен элементу матрицы D из соответствующей строки,
Statistic 22. Тесты проводились с одинаковыми данными.