مبانی نظری شبکه عصبی

قسمتی از متن:

سلول عصبی مصنوعی

سلول عصبی مصنوعی به منظور تقلید از خصوصیات مرتبه اول[1]سلول عصبی بیولیژیکی طراحی شده است. به طور ذاتی، دسته ای از ورودی ها به کار برده می شوند که هر کدام معرف خروجی سلول عصبی دیگری هستند. هر ورودی در وزن متناظرش که بیانگر قدرت اتصالی است ضرب می شود و سپس همه این ورودی های وزن دار با یکدیگر جمع می گردند تا سطح تحریک سلول عصبی را معین نمایند. شکل 1 مدلی را نشان می دهد که این نظریه را به انجام می رساند. علی رغم تنوع در الگوهای شبکه، تقریباً همه آنها بر اساس این ساختار بنا نهاده شده اند.

در اینجا دسته ای از ورودی ها که به صورت k= 1,…,k، xk نشان داده شده اند، به سلول عصبی اعمال می شوند. این ورودی ها که جمعا به عنوان یک بردار در نظر گرفته می شوند، مشابه علایمی هستند که به سیناپس[2]های سلول عصبی فرستاده می شوند.هر سیگنال قبل از اینکه به واحد جمع که با علامت نشان داده شده است اعمال شود، در یک وزن مربوط به خود ضرب می گردد که هر وزن مشابه با قدرت یک اتصال سیناپتیک بیولوژیکی منفرد است.

واحد جمع که شباهت خیلی کمی به جسم سلول بیولوژیکی دارد، همه ورودی های وزن دار را به صورت جبری جمع و خروجی را تولید می کند که در اینجا با n که نشانه NET می باشد، نشان داده می شود. این روند ممکن است به طور خلاصه با نمادبرداری به صورت NET = XW بیان شود.

شبکه های عصبی چند لایه

شبکه های بزرگتر و پیچیده تر معمولاً قابلیت ها و توانایی های محاسباتی بیشتری را ارائه می کنند. اگر چه شبکه ها در هر ساختار قابل تصوری ساخته شده اند، مرتب کردن سلول های عصبی در لایه ها از ساختار لایه بندی شده بعضی از قسمت های مغز الگوبرداری گردیده است. ثابت شده است که شبکه های چند لایه ای قابلیت و توانایی هایی فراتر از شبکه های تک لایه دارند و در سال های اخیر، الگو ریتم های آموزشی برای آموزش آنها توسعه و بسط داده شده اند.

شبکه های چند لایه از تک لایه هایی که به شکل آبشار دنبال هم قرار گرفته اند ممکن است شکل بگیرند. خروجی یک لایه، ورودی لایه بعدی را مهیا می کند. شکل زیر یک شبکه چند لایه را نشان می دهد که در آن باز هم سلولهای عصبی به طور کامل به یکدیگر مرتبط شده اند.