CC BY
33
4. Самострой-ка: https://samostroyka.com/services/tekhnologiya-lstk/;
5. Профстальдом: https://www.profnastil.com/services/advices/advices_20.html;
© Йордановска Д., 2023
УДК 004.032.26
Клоков И.А.
магистрант,
Воронежский Государственный Технический Университет
г. Воронеж, Россия Сухотерин В.А. студент,
Воронежский Государственный Технический Университет
г. Воронеж, Россия Клаинцев Д.А. магистрант,
Воронежский Государственный Технический Университет
г. Воронеж, Россия Вилежанинов Д.А. магистрант,
Воронежский Государственный Технический Университет
г. Воронеж, Россия
РАЗНОВИДНОСТИ АРХИТЕКТУР НЕЙРОННЫХ СЕТЕЙ Аннотация
В статье рассматриваются разновидности нейронных сетей, в том числе: нейронная сеть Хопфилда, нейронные сети Кохонена, свёрточные нейронные сети, рекуррентные нейронные сети и т.д., и их процесс самообучения.
Ключевые слова:
архитектура нейронной сети, нейронные сети, нейронная сеть Хопфилда, нейронные сети Кохонена, свёрточные нейронные сети, рекуррентные нейронные сети.
Базовыми архитектурами нейронных сетей являются сети прямого распространения и персептроны. Данные нейронные сети очень прямолинейны. Информация по ним передается от входа сразу к выходу. Клетки слоя данных сетей не связаны между собой, в отличии от соседних слоев, которые обычно полностью связаны. Нейронные сети прямого распространения обычно обучаются по методу обратного распространения ошибки. При таком обучении нейронная сеть получает множество данных как на вход, так и на выход. Этот процесс называется обучением с учителем. Типичный представитель обучения с учителем - персептрон.
Рисунок 1 - Пример строение персептрона
Еще одной разновидностью базовых нейронных сетей является нейронная сеть Хопфилда. Данная нейронная сеть используется для восстановления изображений. Нейронная сеть Хопфилда является полносвязной нейронной сетью с симметричной матрицей связей. Понятие полносвязной означает, что каждый нейрон передает свой выходной сигнал остальным нейронам, включая самого себя. Количество нейронов данной сети определяется количеством входов и выходов. Также нейронная сеть Хопфилда обучается только с учителем, так как для восстановления изображения ей необходимо знать исходные значения изображения, которое необходимо восстановить.
О
Х„Ш-•-(V)--•-■ Y„
Вход Выход
Рисунок 2 - Пример строение нейронной сети Хопфилда
В результате рассмотрения понятия нейрона было изучено строение и функционал биологического нейрона, который состоит из тела клетки, дендритов и аксонов и служит для приема, обработки и передачи информации. Также было рассмотрено строение искусственного нейрона, который является математической моделью биологического нейрона и выполняет схожие функции.
Кроме рассмотрение искусственного нейрона в отдельности, были рассмотрены виды нейронных сетей - совокупности искусственных нейронов. Каждая искусственная нейронная сеть, описанная в данной главе, отличается как строением, так и сферой применения. Список использованной литературы:
1. Гейдаров, П. Ш. Нейронные сети на основе метрических методов распознания / П. Ш. Гейдаров // Advances in science and technology: сборник статей XXVI международной научно-практической конференции. Т. 1. (Москва, 2020 г.). - Москва: Изд-во Общество с ограниченной ответственностью "Актуальность.РФ", 2020. - С. 77-80.
2. Свищёв, А. В. Нейронные сети прямого распространения /А. В. Свищёв, М. А. Гревцов // Моя профессиональная карьера. - 2021. - Т. 1. - № 24. - С. 206-214.
3. Потапкин, К. О. Искусственные нейронные сети. Нейронная сеть Хопфилда /К. О. Потапкин // XLVI Огарёвские чтения: материалы научной конференции. В 3 т. Т. 1. (Саранск, 2018 г.). - Саранск: Изд-во Национальный исследовательский Мордовский государственный университет им. Н.П. Огарёва, 2018. - С. 315-320.
© Клоков И.А., Сухотерин В.А., Калинцев Д.А., Вилежанинов Д.А., 2023
