Нейрокомпьютинг и его применения в экономике и бизнесе

         

Сети интервальных нейронов


Ситуация, в которой некоторые данные не известны или не точны, встречается достаточно часто. Например, при оценке возможностей той или иной фирмы, можно учитывать ее официально декларируемый капитал, скажем в 100 миллионов, но лучше всего считать, что в действительности его величина является несколько большей и меняется в интервале от 100 до 300 млн. Удобно ввести в данном случае специальные нейроны, состояния которых кодируют не бинарные или непрерывные значения, а интервалы значений. В случае, если нижняя и верхняя граница интервала совпадают, то состояния таких нейронов становятся аналогичными состояниям обычных нейронов.

Для интервального нейрона

на каждый его вход
подается не одно
, а пара значений, определяющая границы интервала, в котором лежит величина воздействия
-го нейрона. Воздействие, оказываемое на
-й нейрон со стороны всех связанных с ним нейронов само лежит в интервале
, где

- обратная температура.

Интервальное значение, которое принимает

-й нейрон при данном воздействии, равно

где

Передаточная функция интервального нейрона приблизительно отражает идею монотонности по отношению к операции интервального включения. Это означает, что при

, если вход
-го нейрона лежит в интервале
, то выход
- го нейрона, определенный по классической функции Ферми, обязательно попадет в интервал
. Интервальные нейроны могут являться элементами многослойных персептронов. В этом случае их состояния вычисляются последовательно, начиная от входного слоя к выходному. Для сетей интервальных нейронов может быть построено обобщение метода обратного распространения ошибки, описание которого выходит за рамки нашего курса.



Содержание раздела