Центральная нервная система (ЦНС) человека и животных состоит из огромного количества особых клеток, связанных между собой (нейронов). Искусственные нейронные сети являются математическим прототипом одного из отделов ЦНС. Давайте рассмотрим, какие виды нейронных сетей бывают и какие задачи решаются с их помощью.
Нейронные сети, в общем виде, представляют собой вычислительные структуры, которые моделируют простые биологические процессы. В качестве ассоциации выступают, например, процессы активации и торможения нейронов в коре головного мозга.
Элементарным преобразователем внутри любой нейронной сети является искусственный нейрон. В этой и других статьях для простоты мы будем называть его просто нейроном.
Теперь перейдем непосредственно к классификации нейронных сетей (НС).
Итак, очень многие начинающие знакомиться с нейроинформатикой вообще не видят различий между архитектурами сетей, и любая нейронная сеть для них – это однослойный или многослойный перцептрон – сеть прямого распространения, итерационно обучающаяся с учителем. Как вы увидите далее, это далеко от истины.
Существуют сети радиально-базисных функций, которые также имеют прямонаправленную структуру связей, обучаются с учителем, но веса рассчитываются однократно как один из случаев метода наименьших квадратов.
К сетям, обучающимся без учителя (самообучающимся или самоорганизующимся) относят, например, сети Кохонена и адаптивного резонанса, различающиеся корректирующими соотношениями и форматами представления входных данных. И эти сети тоже – прямого распространения.
А вот обратные связи от выходов к предыдущим слоям имеют, например сети Хопфилда, Коско и Хэмминга. Внутренние различия их архитектур, а также способов представления и обработки сигналов приводят к тому, что они могут решать совершенно разные задачи.
Полный текст статьи читайте по ссылке: https://aisimple.ru/12-klassifikacija-nejronnyh-setej.html
