Нейрокомпьютинг и его применения в экономике и бизнесе



             

Постановка задачи


В простейшей постановке нейрон с одним выходом и d входами обучается на наборе d-мерных данных

\{x^\alpha\}
. В этой лекции мы сосредоточимся, в основном, на обучении однослойных сетей, для которых нелинейность функции активации не принципиальна. Поэтому можно упростить рассмотрение, ограничившись линейной функции активации. Выход такого нейрона является линейной комбинацией его входов:1)

 y=\sum_{1}^{d}w_jx_j\equiv w\cdot x.

Сжатие информации линейным нейроном

Рис. 4.2.  Сжатие информации линейным нейроном

Амплитуда этого выхода после соответствующего обучения (т.е. выбора весов по набору примеров

\{x^\alpha\}
) может служить индикатором того, насколько данный вход соответствует обучающей выборке. Иными словами, нейрон может стать индикатором принадлежности входной информации к заданной группе примеров.




Содержание  Назад  Вперед