Feed-forward MAXNET

  1. Название
  2. Авторы и история создания
  3. Модель
  4. Области применения
  5. Недостатки
  6. Преимущества
  7. Модификации
  8. Источники

1. НАЗВАНИЯ.

1.1. Основное по-английски: FEED-FORWARD MAXNET.

1.2. Основное по-русски: сеть поиска максимума с прямыми связями.

1.3. Другие названия:

- сеть поиска максимума, основанная на двоичном дереве и нейросетевых компараторах.

2. АВТОРЫ И ИСТОРИЯ СОЗДАНИЯ.

Сеть предложена в [1] в качестве дополнения к сети Хемминга.

3. МОДЕЛЬ.

Многослойная сеть с прямыми связями. Входные сигналы попарно сравниваются друг с другом. Наибольший сигнал в каждой паре передается на следующий слой для дальнейших сравнений. На выходе сети лишь один сигнал имеет ненулевое значение. Он соответствует максимальному сигналу на входе сети.

В основе лежит нейросетевой компаратор (рис. 1), который выполняет сравнение двух аналоговых сигналов (x1 и x2). На выходе z - значение максимального сигнала (x1 или x2). Выходы y1 и y2 показывают, какой именно входной сигнал имеет максимальное значение. На рисунке проставлены значения синаптических весов. Смещения всех нейронов сети - нулевые. Нейроны, которые помечены черным цветом, имеют жесткие пороговые функции, передаточные функции у остальных нейронов - линейные с насыщением.


Рис. 1. Нейросетевой компаратор

На следующем рисунке показана сеть поиска максимума с прямыми связями, которая дает возможность определять максимальный сигнал из восьми входных сигналов. Сеть состоит из нескольких компараторов и дополнительных нейронов и связей. Синаптические веса компараторов такие же, как и на рисунке 1. Веса других связей - единичные. Черные нейроны имеют жесткие пороговые функции (рис. 3), передаточные функции белых нейронов - линейные с насыщением (рис. 4). Нейроны последнего слоя имеют передаточные функции, изображенные на рис. 5.


Рис. 2. Сеть поиска максимума с прямыми связями


Рис. 3. Жесткая пороговая фукция


Рис. 4. Передаточная функция типа "линейная с насыщением"


Рис. 5. Передаточная функция нейронов последнего слоя

ТИПЫ ВХОДНЫХ СИГНАЛОВ: аналоговые (целые или действительные).

ТИП ВЫХОДНЫХ СИГНАЛОВ: целые.

РАЗМЕРНОСТИ ВХОДА И ВЫХОДА ограничены при программной реализации только возможностями вычислительной системы, на которой моделируется нейронная сеть, при аппаратной реализации - технологическими возможностями. Размерности входных и выходных сигналов совпадают.

ЧИСЛО СЛОЕВ В СЕТИ: приблизительно log2(M), где M - размерность входного сигнала.

ОБЛАСТИ ПРИМЕНЕНИЯ:

совместно с сетью Хемминга, в составе нейросетевых систем распознавания образов.

5. НЕДОСТАТКИ.

Число слоев сети растет с увеличением размерности входного сигнала.

6. ПРЕИМУЩЕСТВА.

В отличие от сети MAXNET циклического функционирования, в рассматриваемой модели заранее известен объем вычислений, который требуется для получения решения.

7. МОДИФИКАЦИИ.

Для решения задачи выделения сигнала с максимальным значением из некоторого множества сигналов наиболее часто используется сеть MAXNET циклического функционирования.

8. ИСТОЧНИКИ:

  1. Lippman R.P. An introduction to computing with neural nets // IEEE ASSP Magazine. Apr. 1987. P.4-22.

smallogo При использовании информации, находящейся на данной странице, вы обязаны ссылаться на следующую работу:

Отчет по научно-исследовательской работе "Создание аналитического обзора информационных источников по применению нейронных сетей для задач газовой технологии"; Копосов А.И., Щербаков И.Б., Кисленко Н.А., Кисленко О.П., Варивода Ю.В. и др., ВНИИГАЗ, 1995.