INSTAR

  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: INSTAR.

1.2. Основное по-русски: входная звезда.

1.3. Другие названия:

- "инстар".

2. АВТОРЫ И ИСТОРИЯ СОЗДАНИЯ.

Конфигурация "инстар" - фрагмент нейронных сетей, предложенный и использованный Гроссбергом во многих нейросетевых моделях.

3. МОДЕЛЬ.

Входная звезда, как показано на рис. 1, состоит из нейрона, на который подается группа входов через синаптические веса. Входные и выходные звезды могут быть взаимно соединены в сети любой сложности.

Гроссберг рассматривал входные звезды как модели отдельных участков биологического мозга.

Рис. 1. "Инстар" Гроссберга

Обучение входной звезды

Входная звезда обучается реагировать на определенный входной вектор X и ни на какой другой. Это обучение реализуется путем настройки весов таким образом, чтобы они соответствовали входному вектору. Выход эвезды определяется как взвешенная сумма ее входов. С другой точки зрения, выход можно рассматривать как свертку входного вектора с весовым вектором. Следовательно, нейрон должен реагировать наиболее сильно на входной образ, которому был обучен.

Процесс обучения выражается следующей формулой:

(1)

где

wi - вес входа xi,

xi - i-ый вход,

a - нормирующий коэффициент обучения, который имеет, начальное значение 0.1 и постепенно уменьшается в процессе обучения.

После завершения обучения предъявление входного вектора X будет активизировать обученный входной нейрон. Хорошо обученная входная звезда будет реагировать не только на определенный вектор, но и на незначительные изменения этого вектора. Таким образом звезда будет проявлять способность к обобщению. Это достигается постепенной настройкой нейронных весов при предъявлении в процессе обучения векторов, представляющих вариации исходного входного вектора. Веса настраиваются таким образом, чтобы усреднить величины обучающих векторов, и нейроны получают способность реагировать на любой вектор этого класса.

4. ОБЛАСТИ ПРИМЕНЕНИЯ.

Рассмотренная конфигурация может быть использована с сетях распознавания образов.

5. НЕДОСТАТКИ.

Каждая звезда в отдельности реализует слишком простую функцию. Из таких звезд невозможно построить нейронную сеть, которая реализовала бы любое заданное отображение. Это ограничивает практическое применение входных звезд.

6. ПРЕИМУЩЕСТВА.

Входная звезда хорошо моделирует некоторые функции компонент живых (биологических) нейронных сетей. Сеть, включающая в себя входные звезды, может быть достаточно хорошей моделью отдельных участков мозга.

При решении практических задач входные звезды могут быть использованы для построения простых быстро обучаемых сетей.

7. МОДИФИКАЦИИ.

Модели входных звезд могут использовать различные алгоритмы изменения с течением времени величин нормирующих коэффициентов обучения.

8. ИСТОЧНИКИ:

  1. Уссермен Ф. Нейрокомпьютерная техника. - М.: Мир, 1992.
  2. Grossberg S. Classical and instrumental learning by neural networks // Progress in theoretical biology, vol. 3. - New York: Academic Press, 1974, pp. 51-141.

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.