Treść książki
Przejdź do opcji czytnikaPrzejdź do nawigacjiPrzejdź do informacjiPrzejdź do stopki
48
SIECIJEDNOKIERUNKOWEWIELOWARSTWOWETYPUSIGMOIDALNEGO
Rys.3.4.StrukturasiecineuronowejrozwiązującejproblemXOR
3.2.Siećwielowarstwowaperceptronowa
3.2.1.Strukturasieciperceptronowej
Siećwielowarstwowątworząneuronyułożonewwieluwarstwach,przyczym
opróczwarstwywejściowejiwyjściowejistniejeconajmniejjednawarstwaukry-
ta.Wliteraturzepoświęconejsieciomneuronowymsiećtegotypunosinazwę
perceptronuwielowarstwowego(MultiLayerPerceptron-MLP)[59,167,168].
Narys.3.5przedstawionosiećojednejwarstwieukrytej.Dalszerozważania
zostanąograniczonedotegotypusieci.Stosowanebędąoznaczeniasygnałów
iwagzgodniezrysunkiem.Wagineuronówwarstwyukrytejotrzymająwskaź-
nikgórny(1),natomiastwarstwywyjściowej-wskaźnik(2).Sygnaływyjściowe
neuronówwarstwyukrytejsąoznaczonesymbolemv
j(j=1,2,...,K),awarstwy
wyjściowejsymbolemy
j(j=1,2,...,M).Zakładasię,żefunkcjaaktywacjineuro-
nówjestdanawpostacisigmoidalnejunipolarnejbądźbipolarnej.Dlauproszcze-
niaoznaczeńprzyjętebędzierozszerzoneoznaczeniewektorawejściowegosieci
wpostacix=[x
0,x
1,x
2,...,x
N]T,wktórymx
0=1oznaczasygnałjednostkowy
polaryzacji.Zwektoremxsązwiązanedwawektorywyjściowesieci:wektorak-
tualnyy=[y
1,y
2,...,y
M]Torazwektorzadanyd=[d
1,d
2,...,d
M]T.
