Есть разные виды нейронных сетей,
каждый из которых используется для определенных целей. За период развития, нейронные сети поделились на множество типов, которые переплетаются между собой в различных задачах. Нейронные сети классифицируются по различным видам признаков: по структуре, по направлению распределения информации по синапсам между нейронами; по типу входной информации; в зависимости от метода нейронных сетей по обучению; в зависимости от типов нейронов и другое, таблица 2. [8][3]Таблица 2- Виды нейронных сетей
| № п/п | Признак классификации | Виды нейросетей |
| 1 | По структуре | Однослойные, многослойные |
| 2 | По направлению распределения информации |
Нейросети прямого распространения (однонаправленные); рекуррентные нейронные сети (с обратными связями); радиально-базисные функции; самоорганизующиеся карты |
| 3 | В зависимости от типов нейронов | Однородные; гибридные. |
| 4 | В зависимости от метода нейронных сетей по обучению | Обучение с учителем; без учителя; с подкреплением. |
| 5 | По типу входной информации | Аналоговые; двоичные; образные. |
| 6 | По характеру настройки синапсов (связь между формальными нейронами) | С фиксированными связями; с динамическими связями. |
| 7 | Другие | Гетероассоциативные или автоассоциативные нейросети, сверточные, импульсные, хопфилда, перцептрон розенблатта, кохонена |
Рассмотрим подробнее.
1)Классификация нейронных сетей по структуре.
Каждая нейронная сеть включает в себя первый слой нейронов, называемый входным. Этот слой не выполняет каких-либо преобразований и вычислений, его задача в другом: принимать и распределять входные сигналы по остальным нейронам. И этот слой единственный, являющийся общим для всех типов нейросетей, а критерием для деления является уже дальнейшая структура:
1.1) Однослойная структура нейронной сети. Представляет собой структуру взаимодействия нейронов, в которой сигналы со входного слоя сразу направляются на выходной слой, который, собственно говоря, не только преобразует сигнал, но и сразу же выдаёт ответ. Как уже было сказано, 1-й входной слой только принимает и распределяет сигналы, а нужные вычисления происходят уже во втором слое. Входные нейроны являются объединёнными с основным слоем с помощью синапсов с разными весами, обеспечивающими качество связей.
1.2) Многослойная нейронная сеть. Здесь, помимо выходного и входного слоёв, имеются ещё несколько скрытых промежуточных слоёв. Число этих слоёв зависит от степени сложности нейронной сети. Она в большей степени напоминает структуру биологической нейронной сети. Такие виды были разработаны совсем недавно, до этого все процессы были реализованы с помощью однослойных нейронных сетей. Соответствующие решения обладают большими возможностями, если сравнивать с однослойными, ведь в процессе обработки данных каждый промежуточный слой – это промежуточный этап, на котором осуществляется обработка и распределение информации.[3]
2) Классификация нейронных сетей по направлению распределения информации по синапсам между нейронами:
2.1) Нейросети прямого распространения (однонаправленные). В этой структуре сигнал перемещается строго по направлению от входного слоя к выходному. Движение сигнала в обратном направлении не осуществляется и в принципе невозможно. Сегодня разработки этого плана распространены широко и на сегодняшний день успешно решают задачи распознавания образов, прогнозирования и кластеризации.
2.2) Рекуррентные нейронные сети (с обратными связями). Здесь сигнал двигается и в прямом, и в обратном направлении. В итоге результат выхода способен возвращаться на вход. Выход нейрона определяется весовыми характеристиками и входными сигналами, плюс дополняется предыдущими выходами, снова вернувшимися на вход. Этим нейросетям присуща функция кратковременной памяти, на основании чего сигналы восстанавливаются и дополняются во время их обработки.
2.3) Радиально-базисные функции.
2.4) Самоорганизующиеся карты.
3)Классификация нейронных сетей в зависимости от типов нейронов: однородные; гибридные.
4)Классификация нейронных сетей в зависимости от метода нейронных сетей по обучению: обучение с учителем; без учителя; с подкреплением.
5) Классификация нейронных сетей по типу входной информации. Нейронные сети бывают: аналоговые; двоичные; образные.
6) Классификация нейронных сетей по характеру настройки синапсов: с фиксированными связями; с динамическими связями.[3]
Существуют и другие нейросети, наиболее популярной являются свёрточные нейронные сети. Это еще один вид популярных нейросетей – свёрточная нейронная сеть. Идея создания такой архитектуры тоже во многом заимствована из исследований по работе зрительной коры головного мозга. Неслучайно область, где свёрточные нейронные сети нашли применение, – это обработка изображений. Основной принцип работы – переиспользование части нейронной сети внутри самой себя для обработки небольших участков входного изображения. Другими словами, каждый слой такой архитектуры «смотрит» на фиксированный кусочек входа и извлекает из него информацию. Далее из этой информации строится новое «изображение», которое подается на вход следующего слоя. Такие нейронные сети очень эффективны в распознавании простых элементов (паттернов): нос, глаз, ухо и так далее.
Итак, существует широкая классификация нейросетей по различным признакам. Каждая из сетей выполняет свои задачи и применяется в различных сферах деятельности. Перейдем к подробному рассмотрению этой части вопроса.
Реферат на заказ без посредников, без предоплаты
