Działanie najprostszej sieci
nie “mocy” sygnałów wejściowych radykalnie zmaleje, bo te same - silniejsze lub słabsze sygnały - doprowadzane będą do wszystkich neuronów, a o efekcie zadecyduje różnica sygnałów z różnych neuronów: tych lepiej “dostrojonych” do podawanego sygnału i tych dostrojonych gorzej. Porozmawiamy o tym za chwilę nieco dokładniej. Jednak w przypadku rozważania tylko jednego neuronu sprawa niejednakowych wielkości sygnałów wejściowych może trochę psuć obraz i utrudniać interpretację wyników - dlatego umówmy się: wybierając sygnały wejściowe dla badanego neuronu staraj się przyjmować takie ich wartości, by ich suma kwadratów (czyli podawana przez komputer “moc” całego sygnału) miała (w przybliżeniu, duża dokładność nie jest tu potrzebna) jakąś raz na zawsze ustaloną wartość - na przykład między 5 a 35.
Dlaczego akurat tyle? Bo przekonałem się podczas własnych eksperymentów z programem, że przy podaniu niewielkich przypadkowych wartości całkowitych dla pięciu wejść neuronu - właśnie takie (mniej więcej) wartości zwykle dostaniesz. Jednak jeśli wolisz, możesz przyjąć dowolną inną ustaloną wartość i też będzie dobrze, byłeś się jej potem konsekwentnie trzymał. To samo ograniczenie przyjmij odnośnie wartości współczynników wag (przyda Ci się to na przyszłość, zobaczysz!), dzięki czemu łatwo będzie sprawdzać, na ile wprowadzane sygnały wejściowe “przystają” do wartości wag.
Załóżmy teraz, że neuronów jest więcej i tworzą sieć Przyjmiemy chwilowo, że sieć jest jednowarstwowa, (to znaczy neurony nie łączą się między sobą, a tylko z wejściem i z wyjściem - patrz rys. 4.18)
Rys. 4.19. Struktura jednowarstwowej sieci neuronowej