СЕТИ ПРЕОБРАЗОВАНИЯ ДАННЫХ. Сети встречного распространения

Содержание

1. Структура сети

2. Нормальное функционирование

3. Обучение слоя Кохонена

4. Обучение слоя Гроссберга

5. Сеть встречного распространения полностью

6. Приложение: сжатие данных

Выдержка из текста

Возможности сети встречного распространения, превосходят возможности однослойных сетей. Время же обучения по сравнению с обратным распространением может уменьшаться в сто раз. Встречное распространение не столь общо, как обратное распространение, но оно может давать решение в тех приложениях, где долгая обучающая процедура невозможна. Будет показано, что помимо преодоления ограничений других сетей встречное распространение обладает собственными интересными и полезными свойствами.

Во встречном распространении объединены два хорошо известных алгоритма: самоорганизующаяся карта Кохонена и звезда Гроссберга. Их объединение ведет к свойствам, которых нет ни у одного из них в отдельности.

Список использованной литературы

Основная:

1. Уоссермен Ф. Нейрокомпьютерная техника: Теория и практика. — Пер. с англ., 1992. — 118 с.

2. Каширина И.Л. Искусственные нейронные сети: Учебное пособие. — Воронеж: Изд-во ВГУ, 2005. — 51 с.

3. Заенцев И.В. Нейронные сети: основные модели Воронеж: ВГУ, 1999. — 76 с.

4. Симон Хайкин. Нейронные сети: Полный курс. 2-е издание. Изд-во «Вильямс», Москва, 2006.

Похожие записи