OUTSTAR

  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: OUTSTAR.

1.2. Основное по-русски: выходная звезда.

1.3. Другие названия:

2. АВТОРЫ И ИСТОРИЯ СОЗДАНИЯ.

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

3. МОДЕЛЬ.

Выходная звезда, как показано на рис. 1, состоит из нейрона, управляющего группой весов. Входные и выходные звезды могут быть взаимно соединены в сети любой сложности.

Гроссберг рассматривал выходные звезды как модели отдельных участков биологического мозга.

Рис. 1. "Аутстар" Гроссберга

Обучение выходной звезды

В то время как входная звезда возбуждается при предъявлении определенного входного вектора, выходная звезда имеет дополнительную функцию; она вырабатывает требуемый возбуждающий сигнал для других нейронов всякий раз, когда возбуждается.

В процессе обучения нейрона выходной звезды, его веса настраиваются в соответствии с требуемым целевым вектором.

Процесс обучения выражается следующей формулой:

(1)

где b - нормирующий коэффициент обучения, который в начале приблизительно равен единице и постепенно уменьшается до нуля в процессе обучения.

Как и в случае входной звезды, веса выходной звезды постепенно настраиваются на множество векторов, представляющие собой вариации идеального (исходного) вектора. В этом случае выходной сигнал нейронов представляет собой статистическую характеристику обучающего набора.

4. ОБЛАСТИ ПРИМЕНЕНИЯ.

Рассмотренная конфигурация может быть использована с сетях распознавания образов.

5. НЕДОСТАТКИ.

Каждая звезда в отдельности реализует слишком простую функцию. Вычислительные возможности нейронных сетей, составленных из таких звезд, ограничены.

6. ПРЕИМУЩЕСТВА.

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

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

7. МОДИФИКАЦИИ.

Модели выходных 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.