Банк Рефератов - Функциональные модели универсального нейрокомпьютера

Рефераты. Функциональные модели универсального нейрокомпьютера

Begin

{R – вспомогательная величина для вычисления поправок, равная отношению поправки выходного сигнала к квадрату суммы параметра и абсолютной величины входного сигнала}

R = Back.OutSignals[1] / Sqr(Parameters[1] + Abs(InSignals[1]);

{Поправка к входному сигналу равна произведению вспомогательной величины на параметр}

Back.InSignals[1] = R * Parameters[1];

{Поправка к параметру равна сумме ранее вычисленной величины поправки и произведения вспомогательной величины на входной сигнал}

Back.Parameters[1] = Back.Parameters[1] + R * InSignals[1]

End {Конец описания обратного функционирования}

End S_Train {Конец описания обучаемого гиперболического

сигмоидного элемента}

{Не обучаемый гиперболический сигмоидный элемент Char – характеристика}

Element S_NotTrain( Char : Real)

InSignals 1 {Один входной сигнал}

OutSignals 1 {Один выходной сигнал}

Forw {Начало описания прямого функционирования}

Begin

{Выходной сигнал равен отношению входного сигнала к сумме характеристики и абсолютной величины входного сигнала}

OutSignals[1] = InSignals[1] / (Char + Abs(InSignals[1])

End {Конец описания прямого функционирования}

Back {Начало описания обратного функционирования}

Begin

{Поправка к входному сигналу равна отношению произведения поправки выходного сигнала на характеристику к квадрату суммы характеристики и абсолютной величины входного сигнала}

Back.InSignals[1] = Back.OutSignals[1] * Char /

Sqr(Char + Abs(InSignals[1]);

End {Конец описания обратного функционирования}

End S_NotTrain {Конец описания гиперболического сигмоидного элемента}

Element Pade(Char : Real) {Паде преобразователь Char – характеристика}

InSignals 2 {Два входных сигнала}

OutSignals 1 {Один выходной сигнал}

Forw {Начало описания прямого функционирования}

Begin

{Выходной сигнал равен отношению первого входного сигнала к сумме характеристики и второго входного сигнала}

OutSignals[1] = InSignals[1] / (Char+ InSignals[2])

End {Конец описания прямого функционирования}

Back {Начало описания обратного функционирования}

Var Real R; {R – действительное}

Begin

{Вспомогательная величина равна поправке к первому входному сигналу – отношению поправки выходного сигнала к сумме характеристики и второго входного сигнала}

R = Back.OutSignals[1] / (Char + InSignals[2]);

Back.InSignals[1] = R;

{Поправка ко второму входному сигналу равна минус отношению произведения первого входного сигнала на поправку выходного сигнала к квадрату суммы характеристики и второго входного сигнала}

Back.InSignals[2] = -R * OutSignals[1];

End {Конец описания обратного функционирования}

End Pade {Конец описания Паде преобразователя}

Element Sign_Mirror {Зеркальный пороговый элемент}

InSignals 1 {Один входной сигнал}

OutSignals 1 {Один выходной сигнал}

Forw {Начало описания прямого функционирования }

Begin

{Выходной сигнал равен 1, если входной сигнал больше нуля, и нулю в противном случае }

If InSignals[1] > 0 Then OutSignals[1] = 1

Else OutSignals[1] = 0

End {Конец описания прямого функционирования}

Back {Начало описания обратного функционирования}

Begin

{Поправка к входному сигналу равна выходному сигналу}

Back.InSignals[1] = OutSignals[1];

End {Конец описания обратного функционирования}

End Sign_Mirror {Конец описания зеркального порогового элемента}

Element Sign_ Easy {Прозрачный пороговый элемент}

InSignals 1 {Один входной сигнал}

OutSignals 1 {Один выходной сигнал}

Forw {Начало описания прямого функционирования }

Begin

{Выходной сигнал равен 1, если входной сигнал больше нуля, и нулю в противном случае }

If InSignals[1] > 0 Then OutSignals[1] = 1

Else OutSignals[1] = 0

End {Конец описания прямого функционирования}

Back {Начало описания обратного функционирования}

Begin

{Поправка к входному сигналу равна поправке к выходному сигналу}

Back.InSignals[1] = Back.OutSignals[1];

End {Конец описания обратного функционирования}

End Sign_Easy {Конец описания прозрачного порогового элемента}

Element Adaptiv_Sum( N : Long) {Адаптивный сумматор на N входов}

InSignals N {N входных сигналов}

OutSignals 1 {Один выходной сигнал}

Parameters N {N параметров – весов связей}

Forw {Начало описания прямого функционирования}

Var {Описание локальных переменных}

Long I; {I – длинное целое – индекс}

Real R; {R – действительное – для накопления суммы}

Begin

R = 0; {Выходной сигнал равен скалярному }

For I=1 To N Do {произведению массива входных сигналов}

R = R + InSignals[I] * Parameters[I]; {на массив параметров}

OutSignals[1] = R

End {Конец описания обратного функционирования}

Back {Начало описания обратного функционирования}

Var Long I; {I – длинное целое – индекс}

Begin

For I=1 To N Do Begin

{Поправка к I-у входному сигналу равна сумме ранее вычисленной поправки и произведения поправки выходного сигнала на I-й параметр}

Back.InSignals[I] = Back.OutSignals[1] * Parameters[I];

{Поправка к I-у параметру равна произведению поправки выходного сигнала на I-й входной сигнал}

Back. Parameters[I] = Back. Parameters[I] +

Back.OutSignals[1] * InSignals[I]

End

End {Конец описания обратного функционирования}

End Adaptiv_Sum {Конец описания адаптивного сумматора}

{Адаптивный неоднородный сумматор на N входов}

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