Scientific journal
Advances in current natural sciences
ISSN 1681-7494
"Перечень" ВАК
ИФ РИНЦ = 0,775

При решении многих прикладных задач по обработке и преобразованию информации существенное место занимают задачи, в которых информация представляется в виде сложных сигналов. В процессе использования исходные сигналы подвергаются различным искажениям. Эти искажения могут быть обусловлены внешними факторами и особенностями устройства приемника сигналов. В связи с этим возникает необходимость максимального выделения полезной информации. Обработка сложных сигналов является трудноформализуемой задачей, в связи с чем предлагается использовать при ее решении принципы работы искусственных нейронных сетей [1, 2]. В данной работе предлагается алгоритм моделирования многослойной нейронной сети с обучающим алгоритмом обратного распространения.

p 

Рисунок 1. Двухслойная сеть обратного распространения

Как известно обучение сети обратного распространения требует выполнения определенных операций [1], перечисленных ниже.

  1. Выбрать очередную пару из обучающего множества; подать входной вектор на вход сети.
  2. Вычислить выход сети.
  3. Вычислить разность между выходом и требуемым выходом(целевым вектором обучающей пары).
  4. Подкорректировать веса сети так, чтобы минимизировать ошибку.
  5. Повторять шаги с 1 по 4 для каждого вектора обучающего множества до тех пор, пока на всем множестве не достигнет приемлемого уровня.

Нами был создан комплекс программ позволяющих эмулировать данную нейронную сеть. Результаты компьютерного моделирования свидетельствуют об их достаточно высокой эффективности с точки зрения их практического использования.

СПИСОК ЛИТЕРАТУРЫ

  1. Ф.Уоссермен Нейрокомпьютерная техника / Пер. с англ. Ю.А.Зуева., - М: Мир, 1992, 236с.
  2. А.И.Галушкин Теория нейронных сетей. - М: Радиотехника, 2000, 415с.