|
|
6 |
Стандартный позиционный предобработчик |
|
|
UserType |
-1 |
Предобработчик, определенный пользователем. |
3.13.1. Запрос на предобработку
Единственный запрос первой группы выполняет основную функцию компонента предобработчик – предобрабатывает входные данные, вычисляя вектор входных сигналов.
3.13.1.1. Предобработать вектор сигналов (Prepare)
Описание запроса:
Pascal:
Function Prepare(CompName : PString; Data : PRealArray; Var Signals : PRealArray) : Logic;
C:
Logic Prepare(PString CompName, PRealArray Data; PRealArray* Signals)
Описание аргумента:
CompName – указатель на строку символов, содержащую имя предобработчика.
Data – массив входных данных.
Signals – вычисляемый массив входных сигналов.
Назначение – предобрабатывает массив входных данных Data, вычисляя массив входных сигналов Signals используя предобработчик, указанный в параметре CompName.
Описание исполнения.
1. Если Error <> 0, то выполнение запроса прекращается.
2. Если в качестве аргумента CompName дан пустой указатель, или указатель на пустую строку, то исполняющим запрос объектом является текущий предобработчик – первый в списке предобработчиков компонента предобработчик.
3. Если список предобработчиков компонента предобработчик пуст или имя предобработчика, переданное в аргументе CompName в этом списке не найдено, то возникает ошибка 201 – неверное имя предобработчика, управление передается обработчику ошибок, а обработка запроса прекращается.
4. Производится предобработка предобработчиком, имя которого было указано в аргументе CompName.
5. Если во время выполнения запроса возникает ошибка, то генерируется внутренняя ошибка 204 - ошибка предобработки. Управление передается обработчику ошибок. Выполнение запроса прекращается. В противном случае выполнение запроса успешно завершается.
3.13.2. Остальные запросы
Ниже приведен список запросов к компоненту предобработчик, исполнение которых описано в разделе «Запросы общие для всех компонентов»:
prSetCurrent – Сделать предобработчик текущим
prAdd – Добавление нового предобработчика
prDelete – Удаление предобработчика
prWrite – Запись предобработчика
prGetStructNames – Вернуть имена структурных единиц предобработчика
prGetType – Вернуть тип структурной единицы предобработчика
prGetData – Получить параметры предобработчика
prGetName – Получить имена параметров предобработчика
prSetData – Установить параметры предобработчика
prEdit – Редактировать предобработчик
OnError – Установить обработчик ошибок
GetError – Дать номер ошибки
FreeMemory – Освободить память
В запросе prGetType в переменной TypeId возвращается значение одной из предопределенных констант, перечисленных в табл. 11.
3.13.3. Ошибки компонента предобработчик
В табл. 12 приведен полный список ошибок, которые могут возникать при выполнении запросов компонентом предобработчик, и действия стандартного обработчика ошибок.
Таблица 12.
Ошибки компонента предобработчик и действия стандартного обработчика ошибок.
№
Название ошибки
Стандартная обработка
201
Неверное имя предобработчика
Занесение номера в Error
202
Ошибка считывания предобработчика
Занесение номера в Error
203
Ошибка сохранения предобработчика
Занесение номера в Error
204
Ошибка предобработки
Занесение номера в Error
4. Описание нейронных сетей
В первой части этой главы описана система построения сетей из элементов. Описаны прямое и обратное функционирование сетей и составляющих их элементов. Приведены три метода построения двойственных сетей и обоснован выбор самодвойственных сетей. Во второй части приведены примеры различных парадигм нейронных сетей, описанные в соответствии с предложенной в первой части главы методикой.
Как уже говорилось в первой главе, на данный момент в нейросетевом сообществе принято описывать архитектуру нейронных сетей в неразрывном единстве с методами их обучения. Эта связь не является естественной. Так, в первой части этой главы будет рассматриваться только архитектура нейронных сетей. Во второй части будет продемонстрирована независимость ряда методов обучения нейронных сетей от их архитектуры. Однако, для удобства, во второй части главы архитектуры всех парадигм нейронных сетей будут описаны вместе с методами обучения.
Нейронные сети можно классифицировать по разным признакам. Для описания нейронных сетей в данной главе существенной является классификация по типу времени функционирования сетей. По этому признаку сети можно разбить на три класса.
1. Сети с непрерывным временем.
2. Сети с дискретным асинхронным временем.
3. Сети с дискретным временем, функционирующие синхронно.
В данной работе рассматриваются только сети третьего вида, то есть сети, в которых все элементы каждого слоя срабатывают одновременно и затем передают свои сигналы нейронам следующего слоя.
4.1. Конструирование нейронных сетей
Впервые последовательное описание конструирования нейронных сетей из элементов было предложено в книге А.Н. Горбаня [65]. Однако за прошедшее время предложенный А.Н. Горбанем способ конструирования претерпел ряд изменений.
При описании нейронных сетей принято оперировать такими терминами, как нейрон и слой. Однако, при сравнении работ разных авторов (например, [2. 25, 26, 30, 31, 33, 37, 45, 65, 66, 83, 122, 123, 126, 138, 145 – 147, 159, 182, 220, 221, 226, 227, 230, 231, 239, 248, 250, 264, 273 – 275, 280, 309, 312, 313, 338, 341, 345, 365, 367, 377]) выясняется, что если слоем все авторы называют приблизительно одинаковые структуры, то нейроны разных авторов совершенно различны. Таким образом, единообразное описание нейронных сетей на уровне нейронов невозможна. Однако, возможно построение единообразного описания на уровне составляющих нейроны элементов и процедур конструирования сложных сетей из простых.
4.1.1. Элементы нейронной сети
|
|
На рис. 1 приведены все элементы, необходимые для построения нейронных сетей. Естественно, что возможно расширение списка нелинейных преобразователей. Однако, это единственный вид элементов, который может дополняться. Вертикальными стрелками обозначены входы параметров (для синапса – синаптических весов или весов связей), а горизонтальными – входные сигналы элементов. С точки зрения функционирования элементов сети сигналы и входные параметры элементов равнозначны. Различие между этими двумя видами параметров относятся к способу их использования в обучении. Кроме того, удобно считать, что параметры каждого элемента являются его свойствами и хранятся при нем. Совокупность параметров всех элементов сети называют вектором параметров сети. Совокупность параметров всех синапсов называют вектором обучаемых параметров сети, картой весов связей или синаптической картой. Отметим, что необходимо различать входные сигналы элементов и входные сигналы сети. Они совпадают только для элементов входного слоя сети.
|
|
|
Рис. 2. Построение сети из простейших элементов. 1 - слой синапсов S4 (4 синапса в слое). 2 - каскад-нейрон N4 (4 входных сигнала). 3 - слой точек ветвления SB(2,6) (2 входных сигнала, 6 - выходных). 4 - слой нейронов SN(2,4,2) (2 нейрона, по 4 входных сигнала у каждого нейрона, 2 выходных сигнала). 5 - каскад точек ветвления и нейронов K(4,2,4,2) (4 входных сигнала, 2 нейрона по 4 входных сигнала у каждого нейрона, 2 выходных сигнала каскада). 6 - сеть NW(4,2,3,1) (4 входных сигнала сети, 2 нейрона во входном слое, 3 нейрона в скрытом слое, 1 нейрон в выходном слое). |
Из приведенных на рис. 1 элементов можно построить практически любую нейронную сеть. В соответствии с утверждениями теорем, приведенных в работах [36, 37, 57, 64, 70, 286], этих элементов достаточно, чтобы сколь угодно точно приблизить любую непрерывную функцию. Вообще говоря, нет никаких правил, ограничивающих свободу творчества конструктора нейронных сетей. Однако, есть набор структурных единиц построения сетей, позволяющий стандартизовать процесс конструирования. Детальный анализ различных нейронных сетей позволил выделить следующие структурные единицы:
1 элемент – неделимая часть сети, для которой определены методы прямого и обратного функционирования;
Страницы: 1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12, 13, 14, 15, 16, 17, 18, 19, 20, 21, 22, 23, 24, 25, 26, 27, 28, 29, 30, 31, 32, 33, 34, 35, 36, 37, 38, 39, 40, 41, 42, 43, 44, 45, 46, 47, 48, 49, 50, 51, 52, 53, 54, 55, 56, 57, 58, 59, 60, 61, 62, 63, 64, 65, 66, 67, 68, 69, 70, 71, 72, 73, 74, 75, 76
При использовании материалов активная ссылка на источник обязательна.