Нейронные сети

В результате этого можно применять такую сеть для того, чтобы распознавать образы, а также восстанавливать их и усиливать сигналы.На рис. 2 показан внешний вид упрощенной версии прямого действия сети встречного распространения. Он показывает функциональные характеристик такой парадигмы. Полная двунаправленная сеть основана на тех же принципах, она обсуждается в этом разделе позднее.Рисунок 2 – Внешний вид сети со встречным распознанием без обратных связейНейроны слоя 0 (показанные кружками) выступают в качестве точек точками разветвления и не выполняют вычислений. Каждый нейрон слоя 0 соединен с каждым нейроном слоя 1 (называемого слоем Кохонена) отдельным весом wmn. Такие веса в общем необходимо рассматриватьв качестве матрицы весов W. Аналогично, каждый нейрон в слое Кохонена соединен с каждым нейроном в слое Гроссберга весом vnp. Эти веса образуют матрицу весов V. Все это весьма напоминает другие сети различие, но состоит в операциях, которые выполняют нейроны Кохонена и Гроссберга. Как и многие другие сети, встречное распространение функционирует в двух режимах: в нормальном режиме, при котором принимается входной вектор X и выдается выходной вектор Y, и в режиме обучения, при котором подается входной вектор и веса корректируются, чтобы дать требуемый выходной вектор.ЗаключениеВ заключении необходимо отметить, что в условиях развития различных направлений ИТ в РФ нейронные сети активно развиваются. Но именно благодаря применению новых технологий в области искусственного интеллекта создаются новые разработки, которые должны быть надежными и безопасными.В работе отмечено, что нейронныесети широко используются в различных областях науки и техники, медицины, экономики, бизнеса, автоматизации производства, адаптивного управления предприятия, аппроксимации функционалов, прогнозирования и так далее. С их помощью можно прогнозировать параметры биржевого рынка, распознавать оптические или звуковые сигналы и прочееВ данной работе достигнута основная цель и решены поставленные задачи. Также при описании различных процессов, связанных с тематикой работы, применялись актуальные источники и материалы из глобальной сети Интернет.Список использованной литературыУорр К. Надежность нейронных сетей. Укрепляем устойчивость ИИ к обману. Спб.: Питер, 2021 — 272 с.Аггарвал Чару. Нейронные сети и глубокое обучение: учебный курс. Пер. с англ. — СПб.: Диалектика, 2020. — 752 с.Campbell Alex. Data Visualization Guide: Big and Complete Guide to Data Mining and Visualization. Independently published, 2021. — 364 p.Асадуллаев Р.Г. Нечеткая логика и нейронные сети. Учебное пособие. — Белгород: БелГУ, 2017. — 309 с.Сети встречного распространения[Электронный ресурс] – Режим доступа: URL: http://masters.donntu.org/2008/fvti/shakhovaya/library/index9.htm, свободный. – Загл. с экрана.