ЗМІСТ

Вступ 2

Розділ 1

1. Деякі відомості про нейронні елементи 3

2. Основні означення 4

3. Реалізяція бульової функції на одному нейроні 5

4. Нейрони в алфавіті 2={1-1} 6

Розділ 2

1. Алгоритм навчання порогового нейрона над полем

комплексних чисел 7

Додаток 1

Додаток 2

Список літератури

Вступ

Ідея створення нейрокомп‘ютерів робота яких заснована на використанні принципів функціонування мозку, виникла ще на початку комп’ютерної ери. На початку 40-х років була розроблена модель базового процесорного елемента мозку-нейрона, та були сформовані основні принципи нової науки -нейроматематики. Але рівень математики на той час не дозволяв побудувати навіть модель нервової системи мурашки (приблизно 20 тис. нейронів), не кажучи вже про мозок людини, цей найскладніший продукт побудований природою. Сьогодні ми стаємо свідками другого народження нейроматематики. Прогрес мікроелектроніки і дослідження в галузі створення штучного інтелекту обумовили новий злет інтересу до нейронних мереж і обчислювальних систем на їх основі. Роботи по відтворенню можливостей людського мозку ведуться по двом основним напрямкам: прихильниками штучного інтелекту концентрують свою увагу на способах представлення знань і алгоритмах логічного висновку (цей науковий напрямок прийнято називати нисхiдним); прихильники висхідного підходу, або коннекционисти (вид connection - з’еднання, англ), вивчають й прагнуть втілити в технічних схемах принципи организації природних нейронних систем. Зараз в данній області знань склався певний набір моделей, що називаються нейронними мережами. Наука, що займається вивченням їх властивостей, називається нейроматематикою. Сучасні нейрокомп’ютери здатні розпізнавати мову і управляти літаками, передбачати зміни біржових курсів і виявляти пускові площадки ракет, а також вирішувати багато інших складних задач. Але, незважаючи на успіхи електронної індустрії, залишається велика кількість задач, у розв’язанні яких найбільш швидкодіючі комп’ютери значно поступаються людині. Адже людина легко розпізнає обличчя і речі, орієнтується в просторі, розуміє мову, аналізує динамічні сцени. Таким чином, створення системи, здатної не тільки ефективно вирішувати перераховані задачі, але й володіючою властивостями традиційних комп’ютерів , викликало б справжній переворот у багатьох прикладних сферах. Основною особливістю нейроелементів є представлення оброблюваної інформації і вагових векторів нейроелементів за допомогою комплексних чисел. Головна мета даної роботи - опробувати алгоритм навчання нейрона безпосередньо для бульової функції.

Розділ 1

1. Деякі відомості про нейронні елементи

Теоретичні основи нейроматематики були закладені на початку 40-х років.У 1943 році У.Маккалох і його учень У.Пітс (U.MCCULOCH and W.PITTS) сформулювали основні положення теорії діяльності головного мозку. Вони одержали такі результати:

Не дивлячись на те, що за минулі роки нейроматематика пішла далеко вперед, твердження Маккалоха залишаються актуальними і зараз.При розмаїтті моделей нейронів, принцип їх дії залишається незмінним.

Біологічний нейрон - це нервова клітина разом з її відростами, структурна і функціональна одиниця нервової системи.

Складається із тіла (соми), що містить ядро, і відростків двох типів, що входять до нього - коротких деревовидних віток (дендритів) і одного довгого, що має вітки лише на кінці (аксома). З’єднання нейронів в нервові ланцюги відбувається за допомогою особливих контактів - синапсів. Функціонування нейронів здійснюється на основі нервових процесів, що в них розвиваються -синаптичних процесів і генерації нервових імпульсів. Властивості нейронів є предметом математичного моделювання і використовується при створенні логічнних пристроїв.

Нейронні мережі - це схеми з’єднань однорідних елементів -нейронів, а також їх математичні моделі. Схеми з’єднань нейронів дуже різноманітні, але всі вони являють собою багатошарові просторові структури. В однолінійних мережах кожний нейрон верхнього шару впливає на один нейрон шару, що лежить нижче. Прикладом такої мережі є рефлеторна дуга, що складається із послідовно включених трьох нейронів (чутливого, проміжкового і мононейрона ).

2. Основні означення

Пороговий нейрон являє собою пристрій з кількома двійковими входами і одним двійковим виходом. Кожному двійковому входу ставиться у відповідність дійсне число, яке називається вагою. Сигнал на вході пристрою дорівнює константі 0 поки вагова сума вхідних сигналів не буде дорівнювати, або поки не стане більше дійсного числа, яке називається порогом, в цьому випадку вихідний сигнал стає рівним 1.

S1 вихід

S2

......

Sn

P<W1*X1+W2*X2+...+Wn*Xn

Функція P називається активуючою функцією нейрона. Для математичного поргового елемента буде вірне слідуюче спів-відношення:

G=1 if (W1*X1+W2*X2+...+Wn*Xn)T;

(*)

G=1 if (W1*X1+W2*X2+...+Wn*Xn)<T;

Тут G - це двійковий сигнал на вході порогового елементу - пристрою з декількома двійковими входами і двійковим виходом.

Xi-це двійковий сигнал на і-вому вході пристрою,який дорівнює 1 або 0.

Wi - це вага і-вого входу, скінчене дійсне число. (i=1,...,n)

n - загальне число входів.

Т - поріг, скінчене дійсне число.

Вузли, поведінка яких з тим чи іншим степенем точності відповідає такій моделі, були знайдені в нервовій системі живих організмів. В останньому випадку нейрони мають в порівнянні із звичайними елементами ряд переваг, які зв’язані , насамперед із їх великими функціональними можливостями при таких самих затратах і розмірах.

3. РЕАЛІЗАЦІЯ БУЛЬОВОЇ ФУНКЦІЇ НА ОДНОМУ НЕЙРОНІ

Розглянемо алфавіт значень змінних Z2={0,1}. Самі бульові змінні будемо позначати через x1,x2,...,xn.Розглянемо множину Z2N={(a1,a2,...,an)/aiZ2}.

Означення 1.

Довільне функціональне відображення f:Z2NZ2 називається

n-місною бульовою функцією.

Означення 2.

Якщо існує такий n+1-вимірний вектор (w0,w1,w2,...,wn), що