Ознакомьтесь с Условиями пребывания на сайте Форнит Игнорирование означет безусловное согласие. СОГЛАСЕН
ВХОД
 
 

Короткий адрес страницы: fornit.ru/5122 
или fornit.ru/ax1-26-101

Однослойный персептрон

Использовано в предметной области:
Системная нейрофизиология (nan)
  • раздел: Распознавание образов (nan)

  • Используемый довод статьи (аксиома):
    Функцию любого нейрона нейросети можно описать моделью однослойного персептрона, но с более грубыми возбуждающими и тормозными связями.
    Вес уверенности:
    Пояснение:
    У реального нейрона - распознавателя закрепленной специфики входного профиля сигналов каждый из каналов - синапсов не может тонко регулировать коэффициент передачи. Распознавание осуществляется суммарным воздействием возбуждающих и тормозных потенциалов на его мембрану. Тело же нейрона при этом выполняет функцию порогового релаксатора.

    Однослойный персептрон способен распознавать простейшие образы. Отдельный нейрон вычисляет взвешенную сумму элементов входного сигнала, вычитает значение смещения и пропускает результат через жесткую пороговую функцию, выход которой равен +1 или -1. В зависимости от значения выходного сигнала принимается решение: +1 - входной сигнал принадлежит классу A, -1 - входной сигнал принадлежит классу B. На рисунке 3.1 показана схема нейронов, используемых в однослойных персептронах, график передаточной функции и схема решающих областей, созданных в многомерном пространстве входных сигналов. Решающие области определяют, какие входные образы будут отнесены к классу A, какие - к классу B. Персептрон, состоящий из одного нейрона, формирует две решающие области, разделенные гиперплоскостью.



    Источник: Однослойный персептрон
    Дата создания: 18.03.2008
    Последнее редактирование: 25.08.2014

    Относится к аксиоматике: Системная нейрофизиология.

    Оценить cтатью >>

    Другие страницы раздела "Распознавание образов":
  • Роль вторичных полей (зон)
  • Распознавание ранее сформированных образов
  • Детекторы
  • Детекторы 2
  • Развитие жизненого опыта
  • Детекторы признаков
  • Развитие специализации нейрона
  • Разделение общей сети на подсети 2
  • Отдельный нейрон имеет распознавательную функциональность
  • Элементарное звено рефлекса - распознаватель
  • Механизм распознавания признаков восприятия
  • Развитие распознавателей
  • Колончатая организация зрительной коры
  • Детекторы побудительной значимости речевого сигнала
  • Наблюдаемые виды функциональных распознавателей
  • Детектор ошибок
  • Лица мгновенно узнаются по простейшим признакам
  • Распознавание временных интервалов
  • Чем больше распознавателей в зрительной коре, тем меньше ошибок распознавания
  • Амазонские индейцы обходится без времени
  • Воспоминания сопровождаются активностью «контекстных» нейронов
  • Цвет как психологическое и психофизиологическое явление
  • Ребенок начинает распознавать элементы слов еще в утробе матери
  • Роль контекста в выделении объектов внимания
  • Галлюцинации
  • Карта местности в мозге - контекст восприятия-действия
  • Мозг хранит информацию фрагментами
  • Мозговая карта местности обросла границами
  • Лица мгновенно узнаются по простейшим признакам
  • Мозжечок защищает от иллюзий, сверяясь с реальностью
  • Персептроны
  • Самки оленей реагируют на плачь детеныша другого вида

    Комментарии
    skyurij (19-06-2014 11:56:30):
    Ничего не понимаю. Как может персертрон распознать следующий простейший образ.
    Прямоугольная система координат делит плоскость на четыре квадранта: первый, второй, третий и четвертый. Образ такой: две красные точки в первом квадранте и одна синяя точка во втором квадранте плоскости, две синие точки в четвертом квадранте и одна красная точка в третьем квадранте. Функция d(t) = +1 для красных, d(t) = -1 для синих точек. Не существует линии, разделяющей синие и красные точки!
    Или же нужны какие-то предположения об образе.

    nan (19-06-2014 13:40:07):
    не понимаю, что тут непонятного. Нужно разобраться в том как работает персептрон и системы из персептронов.

    Чтобы оставить комментарии нужно авторизоваться:
    Авторизация пользователя