img055

img055



55


Rozdział 4. Nieliniowe sieci neuronowe

4.4 Formy nieliniowości neuronu

Funkcja wiążąca łączne pobudzenie neuronu e z jego sygnałem wyjściowym y

y - V (0

opisana wyżej jako funkcja progowa, miewa także liczne modyfikacje, z których na szczególną uwagę zasługuje sigmoidalna funkcja wywodząca się z funkcji logistycznej

_ 1 V ~ 1 + exp (- fSc)

Zaletą tej funkcji jest prosta i łatwa do obliczenia wartość jej pochodnej. Łatwo wykazać, że w przypadku funkcji logistycznej z czego będziemy dalej w sposób istotny korzystali.

Na marginesie tej dyskusji warto odnotować fakt, że w literaturze spotyka się różne oznaczenia funkcji <p(e) i jej parametrów. Ilustruje to rysunek pokazujący przebieg funkcji logistycznej dla dwóch wartości parametru 3, zaczerpnięty z książki [Hech90], na którym — zgodnie z tradycją literatury anglojęzycznej — sumaryczne pobudzenie e oznaczono jako nełj, 3 oznaczono jako 0n a parametr Oj odpowiada w notacji przyjętej w tej książce wartości wyrazu wolnego w0.


Ważną właściwością funkcji logistycznej jest fakt, że zbiór jej wartości należy do otwartego zbioru y € (0, 1), co oznacza, że wartości 0 i 1. mające istotne znaczenie przy niektórych interpretacjach funkcjonowania*sieci nauronowych (np. teoria tzw. sieci logiki ciągłej, por. [TadeOla]) są tu nieosiągalne. Z tego względu mimo niewątpliwych zalet funkcji siguioidalnej (logistycznej) rozważane są także inne funkcje opisujące nieliniową zależność między sumarycznym pobudzeniem, a sygnałem wyjściowym neuronu. Przykładowo, chętnie stosowaną funkcją jest tangens hiperboliezuy

y — tanh ((ic)


Wyszukiwarka

Podobne podstrony:
img049 Rozdział 4Nieliniowe sieci neuronowe4.1 Nieliniowy model neuronu Siecią neuronową, która odeg
img037 37 Rozdział 3. Liniowe sieci neuronowe pokazano jedynie oczy i usta). Takie zadanie nazywa si
img027 Rozdział 3Liniowe sieci neuronowe Prezentację konkretnych sieci neuronowych rozpoczniemy od n
img029 29 Rozdział 3. Liniowe sieci neuronowe że neuron rozpoznaje1 sygnały wejściowe, wyróżnając te
img031 31 Rozdział 3. Liniowe sieci neuronowe jest aprioryczne ustalenie wektora W lub macierzy W* o
img033 33 Rozdział 3. Ijiniowe sieci neuronowe który nie powinien się buntować przeciwko wnioskom fo
img035 35 Rozdział 3. Liniowe sieci neuronowe albo prościejv 3)=ww gdzie A jest pewną ustaloną stalą
img037 37 Rozdział 3. Liniowe sieci neuronowe pokazano jedynie oczy i usta). Takie zadanie nazywa si
img039 39 Rozdział 3. Liniowe sieci neuronowe mu taką strategię liczenia, by zapamięta] i potrafi! p
img041 41 Rozdział 3. Liniowe sieci neuronowe dopasowanie wektora wag    do rozpoznaw

więcej podobnych podstron