Present work considers the neural elements (NE) with generalized threshold activation function and represents iterative method of their synthesis. Algorithm of vectors finding for structures of the neural elements with generalized threshold activation function was developed, and the sufficient condition of Boolean function unreliazability on such neural elements was discovered.
Zwiększenie możliwości funkcjonalnych elementów neuronowych jest ważna w syntezie układów sieci neuronowych, które są używane do realizacji złożonych mapowań, pojawiających się w różnych problemach klasyfikacji, rozpoznawaniu wzorców czy prognozowaniu szeregów czasowych itp. Artykuł omawia koncepcję uogólnionego elementu neuronowego z progową funkcją aktywacji.
EN
The increase of the functional possibilities of neural elements is important in the synthesis of neural network schemes that are used to implement complex mappings that arise in various problems of classification, form/pattern recognition, time lines prognostication, etc. This article introduces the concept of generalized neural element with the threshold activation function.
Sztuczne sieci neuronowe jako podstawa neuronopodobnych jednostek obliczeniowych mają wiele zastosowań i są intensywnie wykorzystywane do rozwiązywania wielu ważnych zadań praktycznych. Oczywiste jest, że jednostka wykorzystująca progowanie nie jest w stanie rozwiązać wielu, raczej łatwych zadań rozpoznawania. Za pomocą neuronów z bardziej komplikowanymi funkcjami aktywacji możliwie staje się przezwyciężenie tego ograniczenia. Pomimo faktu, że opracowano neurony wielo-progowe, to brak było skutecznych technik ich uczenia. W artykule przedstawiono badania najprostszego przypadku multi-progowych jednostek, a mianowicie neuronów dwuprogowych.
EN
Artificial neural networks on the base of neural-like computational units have many applications and are intensively used for solving numerous important practical tasks. It is common that the threshold unit is incapable solving many rather easy recognition tasks. The using of neurons with more complicated activation functions allowed surmounting this constrain. Although there were multi-threshold neural units designs, the efficient learning techniques for multi-threshold neuron based neural networks weren't developed. The paper presents the study of simplest case of multi-threshold units, namely bithreshold neurons.
JavaScript jest wyłączony w Twojej przeglądarce internetowej. Włącz go, a następnie odśwież stronę, aby móc w pełni z niej korzystać.