73719

•    topologii,

•    reguły uczenia sieci.

1. Model sztucznego neuronu:

Sztuczna sieć neuronowa (SSN) to model obliczeniowy, złożony z elementów naśladujących działania komórek nerwowych zwanych neuronami. Sztuczne neurony nie są dokładnymi kopiami oryginalnych neuronów, są raczej ich bardzo uproszczonymi odpowiednikami matematycznymi, mającymi podobne właściwości i działającymi w zbliżony sposób jak ich pierwowzory. Neuron w SSN charakteryzuje się występowaniem wielu wejść i jednego wyjścia. W modelu sztucznego neuronu, każdemu połączeniu między neuronami przypisuje się odpowiednią wagę (silę powiązania między elementami). Waga (odpowiednik efektywności synapsy w neuronie biologicznym) to pewna stała, przez którą przemnożony jest każdy sygnał przechodzący między dworna konkretnymi neuronami, dzięki czemu, impulsy od jednych neuronów są ważniejsze od innych. Waga może mieć cliarakter pobudzający (dodatnia waga) lub liamujący (ujemna waga). Jeżeli nie ma połączenia między neuronami to waga jest równa zero. W ten sposób odrzucane są nieistotne infonnacje wejściowe.

W praktyce każdy neuron pobiera sygnały od wszystkich połączonych ze sobą elementów, przemnaża je przez odpowiednią wagę, otrzymane wartości sumuje i to łączne pobudzenie neuronu jest z kolei przekształcane przez ustaloną funkcję aktywacji (zwaną też funkcją przejścia) - rys i. Wartość funkcji aktywacji jest ostatecznie wartością wyjściową neuronu. Funkcja przejścia może być funkcją liniow^rą, skokową, sigmoidalną, tangensoidalną etc. Wybór funkcji należy do projektanta sieci i zależy od problemu, który ma ona rozwiązywać.

Rys. I: Model sztucz/iego neuronu

Do każdego neuronu o numerze i przesyłana jest wartość rzeczywistą xi z wagą w i. Infonnacja wejściowa xi jest przemnażana przez odpowiadającą jej wagę w i. Przekazana informacja jest integrowana w neuronie (zwykle przez zsumow^fanie wszystkich sygnałów) i to tzw. łączne pobudzenie neuronu e jest przekazywane jako argument do funkcji aktywacji/ i następnie jest wyliczana w^rartość sygnału wyjściowego

Model opisujący działanie neuronu może być zapisany w postaci: