Материал из MachineLearning.
Нейросеть
Однослойная нейросеть
Модель МакКаллока–Питтса. Пусть X - пространство объектов; Y - множество
допустимых ответов; y∗ : X → Y - целевая зависимость, известная только на объек-
тах обучающей выборки ^{l}_{i=1}, y_i = y∗(x_i))
. Требуется построить алгоритм a: X → Y , аппроксимирующий целевую зависимость y∗ на всём множестве X.
Будем предполагать, что объекты описываются n числовыми признаками
. Вектор , . . . , f_n(x))∈ R)
называется признаковым описанием объекта x.
Модель МакКаллока и Питтса
Алгоритм принимает на вход вектор )
. Для простоты полагаем все признаки бинарными. Каждому нейрону соответствует вектор весов )
. вектор признаков скалярно перемножается с вектором весов. Если результат превышает 'порог активации', результат работы нейрона равен 1, иначе 0.
=\phi(\sum^{n}_{j=1} w_j x^j-w_0))
где ![phi(z)=[z\me 0]](../mimetex/?phi(z)=[z\me 0])
Многослойная нейросеть
Шаблон:STUB
