Sun'iy neyron tarmoqlari Biologiyadan parallellik

Umumiy regressiya neyron tarmog'i

Umumlashtirilgan regressiya neyron tarmog'i (GRNN) probabilistik neyron tarmog'iga (PNN) o'xshash tarzda ishlab chiqilgan, ammo u tasniflash muammolarini emas, balki regressiya muammolarini hal qilish uchun mo'ljallangan. PNN tarmog'ida bo'lgani kabi, har bir o'quv kuzatuvi joylashgan joyda Gauss yadrosi funktsiyasi joylashtirilgan. Biz ishonamizki, har bir kuzatish ma'lum bir nuqtadagi javob yuzasi ma'lum bir balandlikka ega ekanligiga ishonchni ko'rsatadi va biz nuqtadan uzoqlashganda bu ishonch kamayadi. GRNN tarmog'i barcha o'quv kuzatuvlarini o'zida nusxa ko'chiradi va ulardan ixtiyoriy nuqtada javobni baholash uchun foydalanadi. Tarmoqning yakuniy chiqish balli barcha o'quv kuzatuvlari natijalarining o'rtacha og'irligi sifatida olinadi, bunda og'irliklar ushbu kuzatuvlardan baholash amalga oshirilgan nuqtagacha bo'lgan masofani aks ettiradi (va shuning uchun yaqinroq nuqtalar bahoga ko'proq hissa qo'shadi). .

GRNN tarmog'ining birinchi oraliq qatlami radial elementlardan iborat. Ikkinchi oraliq qatlamda o'rtacha og'irlikni baholashga yordam beradigan elementlar mavjud. Buning uchun maxsus protsedura qo'llaniladi. Har bir chiqishning ushbu qatlamda o'z elementi mavjud bo'lib, u uchun vaznli yig'indi hosil qiladi. Og'irlangan summadan o'rtacha og'irlikni olish uchun bu summani tortish omillari yig'indisiga bo'lish kerak. Oxirgi summa ikkinchi qatlamning maxsus elementi bilan hisoblanadi. Shundan so'ng, haqiqiy bo'linish chiqish qatlamida amalga oshiriladi (maxsus "bo'linish" elementlari yordamida). Shunday qilib, ikkinchi oraliq qatlamdagi elementlar soni chiqish qatlamiga qaraganda bittaga ko'p. Odatda, regressiya muammolari bitta chiqish qiymatini baholashni talab qiladi va shuning uchun ikkinchi oraliq qatlam ikkita elementni o'z ichiga oladi.
GRNN tarmog'ini shunday o'zgartirish mumkinki, radial elementlar individual o'quv holatlariga emas, balki ularning klasterlariga mos keladi. Bu tarmoq hajmini kamaytiradi va o'rganish tezligini oshiradi. Bunday elementlar uchun markazlar ushbu maqsad uchun mo'ljallangan har qanday algoritm yordamida tanlanishi mumkin (namuna olish, K-vosita yoki Kohonen) va ST Neural Networks dasturi ichki og'irliklarni mos ravishda moslashtiradi.
GRNN ning afzalliklari va kamchiliklari asosan PNNlarniki bilan bir xil - yagona farq shundaki, GRNNlar regressiya masalalarida, PNN esa tasniflash masalalarida qo'llaniladi. GRNN tarmog'i deyarli bir zumda poezd qiladi, lekin katta va sekin bo'lib chiqishi mumkin (garchi bu erda, PNNdan farqli o'laroq, har bir o'quv misoli uchun bitta radial element bo'lishi shart emas, ularning soni hali ham katta bo'ladi). RBF tarmog'i kabi, GRNN tarmog'i ham ma'lumotlarni ekstrapolyatsiya qilish qobiliyatiga ega emas.

6.