Основы нейронных сетей

— предикатов с высоким параллелизмом действий;
• простота алгоритмов логических действий мозга, основанная не на численном манипулировании, а на принципах ассоциативного мышления;
• возможность решения трудно формализуемых задач, в которых совместно используются данные логически несовместимой природы, противоречивые, неполные, ≪зашумленные≫, некорректные;
• устойчивость работы, совместимая с расширением, трансформированием и совершенствованием знаний;
- надежность, обеспечиваемая наличием многих путей логического вывода и способностью восстановления утраченных данных;
• возможность построения самообучающихся и самонастраивающихся систем;
• прекрасная сочетаемость с традиционными ≪вычислительными≫ алгоритмами обработки информации, позволяющая строить сложные системы управления, - с максимальной надежностью, адаптивностью и с минимумом расходуемых ресурсов;
• отсутствие требований к ≪традиционно≫ развиваемым вычислительным средствам.

построенных на (гипотетических) принципах обучения мыслящих существ и функционирования мозга и позволяющих прогнозировать значения некоторых переменных в новых наблюдениях по данным других наблюдений (для этих же или других переменных) после прохождения этапа так называемого обучения на имеющихся данных.

и множеством выходных событий (набор возможных решений).
Входные события регистрируются слоем рецепторов, возбуждающихся при превышении порогового уровня и передающих сигнал на второй слой.
Выходной слой устанавливает связь отобранных входных сигналов (событий) с набором решений.
Состоит из нейроноподобных структур, связывающих входные сигналы(воздействие) с выходными решениями.

или просто веса). Для каждого входа - свой коэффициент.
Умноженные на веса входы суммируются.
Результат суммирования подаётся на вход функции преобразования. Обычно
.
Результат функции подаётся на выход.

превышения порога является величиной возбуждения нейрона или определяет значение величины возбуждения;
в общем случае по дендритам может передаваться как возбуждающее, так и тормозящее воздействие;
в сети распознают входной (рецепторный) слой, воспринимающий внешние возбуждения, и выходной спой, определяющий решение задачи. Работа сети тактируется для имитации прохождения по ней возбуждения и управления им;
сеть работает в двух режимах: режиме обучения и режиме распознавания .

из обучающей выборки.
Вычислим отклонения выхода сети от желаемого.
По некоторому алгоритму (зависящему от конкретной архитектуры) подстроим синаптические веса, учитывая отклонение полученное на предыдущем шаге.
Повторим шаги 2-4 пока сеть не станет выдавать ожидаемый выход на векторах из обучающей выборки или пока отклонение не станет ниже некоторого порога.