Составьте нейронные сети по схемам систем принятия решений. Примите во внимание, что при расчете передаточной функции N1 входные сигналы принимаются элементом N1 с весом, равным обратной величине количества входов этого элемента. Следовательно, эти веса являются весами соответствующих связей в нейронной сети. Выберите передаточную функцию: (fj – значение входного сигнала), если эта сумма превышает порог h . Произведите верификацию сети на основе известных решений по четко заданным ситуациям.

Правильный ответ:

значения весов синапсических связей: ω1= ω2= 0,25, ω3=…= ω10= 0,33

значения весов синапсических связей: ω1= 0,2, ω2=…= ω9= 0,33

значения весов синапсических связей: ω1= 0,33, ω2= ω3= 0,25, ω4=…= ω11= 0,33

• # Произведите обучение (трассировку) изображенной на рисунке многослойной нейронной сети по структурированному (скобочному) логическому описанию СПР. Результат трассировки отобразите на матрице следования. Сформируйте значения весов связей в соответствии с прообразом логической операции, реализуемой нейроном. [Большая Картинка] Логическое описание СПР: y1 ∧ (y2 ∨ y3) →​ R1, y2 ∨ (y4 ∧ (y2 ∨ y3)) →​ R2, (y1 ∨ y3) ∧ (y2 ∨ y4) →​ R3
• # Клетки экрана, заданные координатами, соответствуют рецепторам, величина возбуждения которых принадлежит отрезку [0, 1] . Передаточная функция f представляет собой сумму величин возбуждения рецепторов, каждый из которых входит в область экрана, покрываемую эталоном буквы. Таким образом, эталон буквы, по которому производится обучение, изображается возбуждением рецепторов по контуру этого эталона с учетом возможных искажений. Выберите порог распознавания h = 0,8 и веса связей так, чтобы суммарное возбуждение нейрона выходного слоя при предъявлении эталона равнялось f × 2/<число клеток, "засвеченных" эталоном буквы А> . "Научите" однослойную нейронную сеть распознавать букву С, задаваемую возбуждением рецепторов по контуру эталона с учетом возможных искажений в угловых точках.
• # Как показала жизнь, а также свидетельствует глубокое знание законов диалектики, ни одна из версий о происхождении человека не противоречит тем качествам, которые вызывают возмущение чеховского героя. И наоборот, каждое из этих качеств лишь укрепляет уверенность в правоте каждого предположения о происхождении человека. Данное утверждение лежит в основе предположения о следующей структуре нейронной сети, отображающей модель наших исследований. [Большая Картинка] Выбрав передаточную функцию Vi:= if V > h then if V < 1 then V else 1 else 0, h = 0,1 и положив V4= 1, рассчитайте установившиеся значения возбуждения нейронов, "отвечающих" за версии о происхождении человека, и определите устойчивость выводов нейронной сети по отношению к исходным предположениям. V1= 0,5, V2= 0,6, V3= 0,4
• # Исследуйте возможность индуктивного логического вывода на основе фактографической нейронной сети Антрополога-Исследователя для дополнения понятийной нейронной сети, представленной ниже. [Большая Картинка] [Большая Картинка] Можно ли дополнить понятийную нейронную сеть правилом вывода: бабушка(X,Y) :- женщина Х, родитель(X,P), родитель(P,Y) ?
• # Желая "спасти" однослойную нейронную сеть, определяющую только три возможных решения, введите в обращение веса синапсических связей. Веса связей положите равными обратной величине количества активных входов нейрона. Уточните 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 \\ h=0,5 \end{array} Нейронная сеть с учетом весов связей примет вид: [Большая Картинка] Проверьте, правильно ли "работает" нейросеть? А1 = 0,8, А2 = 0,2, В1 = 0,4, В2 = 0,6.