Пусть нейроны выходного слоя принадлежат коре. Между ними существуют взаимно подавляющие, отрицательные (с отрицательными весами, ингибидорные) связи, как показано на рисунке.
Для локализации возбуждения единственного нейрона предположим, что в каждом такте работы нейросети каждый нейрон уменьшает величину возбуждения всех других нейронов на 0,1 величины собственного возбуждения. В свою очередь, он подвергается такому же воздействию со стороны других нейронов.
Следовательно, нейрон, величина возбуждения которого максимальна, через несколько тактов подавит возбуждение других нейронов (величина их возбуждения станет ниже порога) и обретет четко выраженный сигнал возбуждения в ответ на поставленную задачу распознавания.
Рассчитайте величины возбуждения нейронов, "отвечающих" за буквы А, В, С по заданным начальным значениям их возбуждения fA
, fB
, fC
и определите, через сколько тактов значимой величиной возбуждения будет обладать единственный нейрон.
После предъявления образа нейроны выходного слоя, соответствующие узнаваемым буквам, обрели значения возбуждения: fA = 1,5, fB = 1,6, fC = 1,1
.
Правильный ответ:
fA = 0, fB = 0,821, fC = 0
fA = 1,115, fB = 0, fC = 0
fA = 0, fB = 0,9, fC = 0
- # Найдите рекомендуемые решения с помощью нейронной сети для комбинаций достоверных значений исходных данных (по эталонным ситуациям). Используйте понятие исчерпывающего множества событий. Используйте передаточную функцию \begin{array}{l} V=\sum_j V_j \\ V_i = \left \{ \begin{array}{ll} V, & \mbox{если } V \ge h \\ 0, & \mbox{в противном случае} \end{array}\right \end{array} Установите правильность "работы" нейронной сети. Если сеть "работает" неправильно, попытайтесь проанализировать причину. Нейронная сеть имеет вид: [Большая Картинка] (Указаны пороги "конъюнкторов")
- # Для правильной совершенной нейронной сети, используемой в бабушкиной СПР 1. x1 ∧ x4 → R1= "Прогулка на велосипеде"; 2. (x1 ∧ x6) ∨ (x2 ∧ x4) → R2= "Шахматы"; 3. (x2 ∧ x5) ∨ (x1 ∧ x7) → R3= "Верховая езда"; 4. (x1 ∧ x5) ∨ (x2 ∧ x6) → R4= "Байдарка"; 5. x3 ∧(x4 ∨ x6) → R5= "Дискотека"; 6. (x2 ∧ x7)∨ (x3 ∧ (x5 ∨ x7)) → R6= "Пешая прогулка" исследуйте и обсудите возможность применения данной передаточной функции на основе анализа эталонных ситуаций. Передаточная функция имеет вид: \begin{array}{l} V=\sum_j V_j \\ V_i = \left \{ \begin{array}{ll} V, & \mbox{если } V \ge h \\ 0, & \mbox{в противном случае} \end{array}\right \end{array} (Значение h позвольте выбрать бабушке самой так, чтобы не морочить себе голову анализом ненулевых значений возбуждения.)
- # Обсудите основные возможности, открывающиеся при применении логических нейронных сетей для обеспечения информационной безопасности. Рассмотрите возможность защиты от сговора пользователей о несанкционированной подмене и нарушении индивидуальных ограничений по допуску к секретной информации.
- # Обсудите основные возможности, открывающиеся при применении логических нейронных сетей для обеспечения информационной безопасности. Рассмотрите средства ограничения злоупотреблений со стороны службы безопасности и режима, имеющей неограниченный доступ ко всей секретной и конфиденциальной информации - для исключения возможности хищений, шантажа и насилия.
- # Пусть системы принятия решений (СПР) используют одинаковую систему обобщенных эталонов. x1 & x2 & x3 → R1, x2 & x3 & x4 → R2, x1 & x3 & x4 → R3 Они реализованы матрицами следования разной структуры. В процессе эксплуатации СПР выявилась необходимость дополнения их новым обобщенным эталоном x1 & x2 & x4 → R4 Выполните дополнительную трассировку матрицы следования. Примечание. Целесообразно восстановить информацию о том, в получении каких решений участвует каждый нейрон. Обучение трем эталонам привело к получению матрицы следования: [Большая Картинка]