Составной предобработчик - Функциональные модели универсального нейрокомпьютера

Поскольку на вход нейронной сети обычно подается несколько входных сигналов, каждый из которых обрабатывается своим предобработчиком, то предобработчик должен быть составным. Представим предобработчик в виде совокупности независимых частных предобработчиков. Каждый частный предобработчик обрабатывает одно или несколько тесно связанных входных данных. Как уже отмечалось ранее, предобработчик может иметь один из четырех типов, приведенных в табл. 10. На входе предобработчик получает вектор входных данных (возможно, состоящий из одного элемента), а на выходе выдает вектор входных сигналов сети (так же возможно состоящий из одного элемента).

Таблица 10.

Типы предобработчиков

Тип	Описание
Number	Предобрабатывает числовые входные данные
Unordered	Предобрабатывает неупорядоченные качественные признаки
Ordered	Предобрабатывает упорядоченные качественные признаки
Binary	Обрабатывает бинарные признаки

Необходимость передачи предобработчику вектора входных данных и получения от него вектора входных сигналов связана с тем, что существуют предобработчики получающие несколько входных данных и выдающие несколько входных сигналов. Примером такого предобработчика может служить предобработчик, переводящий набор координат планеты из сферической в декартову.

Для качественных признаков принято кодирование длинными целыми числами. Первое значение равно 1, второе - 2 и т. д. Числовые признаки кодируются действительными числами.

Похожие статьи

• Составные элементы - Функциональные модели универсального нейрокомпьютера

  Название "составные элементы" противоречит определению элементов. Это противоречие объясняется соображениями удобства работы. Введение составных...

• Правила остановки работы сети - Функциональные модели универсального нейрокомпьютера

  При использовании сетей прямого распространения (сетей без циклов) вопроса об остановке сети не возникает. Действительно, сигналы поступают на элементы...

• Нелинейный сигмоидный преобразователь, Произвольный непрерывный нелинейный преобразователь - Функциональные модели универсального нейрокомпьютера

  Рис. 11. Прямое (а) и обратное (б) функционирование нелинейного сигмоидного преобразователя Нелинейный сигмоидный преобразователь или сигмоидный элемент...

• Простейшая предобработка числовых признаков, Оценка способности сети решить задачу - Функциональные модели универсального нейрокомпьютера

  Как уже отмечалось в разделе "Различимость входных данных" числовые сигналы рекомендуется масштабировать и сдвигать так, чтобы весь диапазон значений...

• Примеры сетей и алгоритмов их обучения, Сети Хопфилда - Функциональные модели универсального нейрокомпьютера

  В этом разделе намеренно допущено отступление от общей методики - не смешивать разные компоненты. Это сделано для облегчения демонстрации построения...

• Конструирование нейронных сетей, Элементы нейронной сети - Функциональные модели универсального нейрокомпьютера

  Впервые последовательное описание конструирования нейронных с Етей из элементов было предложено в книге А. Н. Горбаня [65]. Однако за прошедшее время...

• Запрос на предобработку, Предобработать вектор сигналов (Prepare) - Функциональные модели универсального нейрокомпьютера

  Единственный запрос первой группы выполняет основную функцию компонента предобработчик - предобрабатывает входные данные, вычисляя вектор входных...

• Элементы самодвойственных сетей - Функциональные модели универсального нейрокомпьютера

  Если при обратном функционировании самодвойственной сети на ее выход подать производные некоторой функции F по выходным сигналам сети, то в ходе...

• Предобработчик - Функциональные модели универсального нейрокомпьютера

  Данная глава посвящена компоненту предобработчик [80, 150]. В ней рассматриваются различные аспекты предобработки входных данных для нейронных сетей....

• Нормализовать сеть (NormalizeNet) - Функциональные модели универсального нейрокомпьютера

  Описание запроса: Pascal: Function NormalizeNet(Net : PString) : Logic; C: Logic NormalizeNet(PString Net) Описание аргумента: Net - указатель на строку...

• Установить параметры сети (nwSetData) - Функциональные модели универсального нейрокомпьютера

  Описание запроса: Pascal: Function nwSetData(Net : PString; DataType : Integer; Var Data : RealArray) : Logic; C: Logic nwSetData(PString Net, Integer...

• Поля задачника - Функциональные модели универсального нейрокомпьютера

  Далее будем полагать, что задачник является реляционной базой данных из одной таблицы или набора параллельных таблиц. Каждому примеру соответствует одна...

• Контрастирование и нормализация сети - Функциональные модели универсального нейрокомпьютера

  В последние годы широкое распространение получили различные методы контрастирования или скелетонизации нейронных сетей. В ходе процедуры контрастирования...

• Запрос к предобработчику, Запрос к исполнителю, Запросы к учителю, Запрос к контрастеру, Запрос к оценке, Запрос к интерпретатору ответа - Функциональные модели универсального нейрокомпьютера

  Предобработчик сам никаких запросов не генерирует. Единственный запрос к предобработчику - "Предобработать пример" может быть выдан только задачником....

• Точка ветвления, Сумматор, Нелинейный Паде преобразователь, Нелинейный сигмоидный преобразователь, Адаптивный сумматор, Константа Липшица сигмоидной сети - Функциональные модели универсального нейрокомпьютера

  Поскольку в точке ветвления не происходит преобразования сигнала, то константа Липшица для нее равна единице. Сумматор Производная суммы по любому из...

• Запросы, однотипные для всех компонентов - Функциональные модели универсального нейрокомпьютера

  Таблица 5 Префиксы компонентов Префикс Компонент Запроса Ошибки Ex 0 Исполнитель Tb 1 Задачник Pr 2 Предобработчик Nn 3 Сеть Es 4 Оценка Ai 5...

• Функционирование сети - Функциональные модели универсального нейрокомпьютера

  Таблица 1 Однородные и неоднородные сумматоры Название Однородный сумматор Неоднородный сумматор Обозначение Значение Обозначение Значение Обычный ?...

• Классификация компонентов входных данных - Функциональные модели универсального нейрокомпьютера

  Информация поступает к нейронной сети в виде набора ответов на некоторый список вопросов. Можно выделить три основных типа ответов (вопросов). Бинарный...

• Состав данных задачника, Цвет примера и обучающая выборка - Функциональные модели универсального нейрокомпьютера

  Компонент задачник является необходимой частью нейрокомпьютера вне зависимости от типа применяемых в нем нейронных сетей. Однако в зависимости от...

• Уровень уверенности - Функциональные модели универсального нейрокомпьютера

  Часто при решении задач классификации с использованием нейронных сетей недостаточно простого ответа "входной вектор принадлежит k-му классу". Хотелось бы...

• Описание нейронных сетей - Функциональные модели универсального нейрокомпьютера

  В первой части этой главы описана система построения сетей из элементов. Описаны прямое и обратное функционирование сетей и составляющих их элементов....

• Запросы общие для всех компонентов, Стандарт типов данных - Функциональные модели универсального нейрокомпьютера

  В этом разделе описаны запросы, выполняемых всеми компонентами, а также типы данных, используемые при описании запросов. Стандарт типов данных При...

• Запросы к компоненту сеть - Функциональные модели универсального нейрокомпьютера

  В данном разделе главы рассмотрены все запросы, исполняемые комп Онентом сеть. Прежде чем приступать к описанию стандарта запросов компонента сеть...

• Сокращение описания сети - Функциональные модели универсального нейрокомпьютера

  Предложенный в предыдущих разделах язык описания многословен. В большинстве случаев за счет хорошей структуризации сети можно опу Стить все разделы...

• Основные операторы - Функциональные модели универсального нейрокомпьютера

  Оператор присваивания состоит из двух частей, разделенных знаком "=". В левой части оператора присваивания могут участвовать им Ена любых переменных. В...

• Язык описания нейронных сетей, Ключевые слова языка - Функциональные модели универсального нейрокомпьютера

  Язык описания нейронных сетей предназначен для хранения сетей на диске. Следует отметить, что в отличии от таких компонентов, как предобработчик входных...

• Сигналы и параметры - Функциональные модели универсального нейрокомпьютера

  При использовании контрастирования для изменения структуры сети и значений обучаемых параметров другим компонентам бывает необходим прямой доступ к...

• Персептрон Розенблатта - Функциональные модели универсального нейрокомпьютера

  Персептрон Розенблатта [147, 185] является исторически первой обучаемой нейронной сетью. Существует несколько версий персептрона. Рассмотрим классический...

• Введение - Функциональные модели универсального нейрокомпьютера

  Общая характеристика работы Актуальность темы. В 80-е годы развитие информатики и средств вычислительной техники во многом определялось программой "Пятое...

• Неградиентные методы обучения, Метод случайной стрельбы - Функциональные модели универсального нейрокомпьютера

  Создать_вектор В1 Создать_вектор В2 Вычислить_оценку О1 Сохранить_вктор В1 Установить_параметры В1 Случайный_вектор В2 Модификация_вектора В2, 0, 1...

• Описание алгоритмов обучения - Функциональные модели универсального нейрокомпьютера

  Все алгоритмы обучения сетей методом обратного распространения ошибки опираются на способность сети вычислять градиент функции ошибки по обучающим...

• Построение оценки по интерпретатору - Функциональные модели универсального нейрокомпьютера

  Если в качестве ответа нейронная сеть должна выдать число, то естественной оценкой является квадрат разности выданного сетью выходного сигнала и...

• Функции управления памятью - Функциональные модели универсального нейрокомпьютера

  Для создания массивов и освобождения занимаемой ими памяти используются следующие фун Кции: Создание массива. Function NewArray( Type : Integer; Size :...

• Определение, получение и изменение данных, Дать пример (Get) - Функциональные модели универсального нейрокомпьютера

  К данной группе запросов относятся запросы позволяющие получать данные из задачника, заносить данные в задачник и сбросить предобработку (необходимо...

• Способ описания синтаксических конструкций - Функциональные модели универсального нейрокомпьютера

  Для описания синтаксиса языков описаний компонентов использ Уется расширенная Бэкусова нормальная форма. Описание синтаксиса языка с помощью БНФ состоит...

• Обработка ошибок, Процедура обработки ошибок, Установить обработчик ошибок (OnError), Дать номер ошибки (GetError) - Функциональные модели универсального нейрокомпьютера

  Схема обработки ошибок достаточно проста по своей идее - каждый новый обработчик ошибок может обрабатывать только часть ошибок, а обработку остальных...

• Предопределенные константы - Функциональные модели универсального нейрокомпьютера

  При описании различных компонентов возникает необходимость в использовании некоторого набора стандартизированных констант. Стандартность набора констант...

• Запросы к задачнику - Функциональные модели универсального нейрокомпьютера

  Запросы к задачнику позволяют последовательно перебирать все примеры обучающей выборки, обращаться непосредственно к любому примеру задачника и изменять...

• Случайное направление спуска (RandomDirection) - Функциональные модели универсального нейрокомпьютера

  Описание запроса: Pascal: Function RandomDirection( Net : PString; Range : Real ) : Logic; C: Logic RandomDirection(PString Net, Real Range) Описание...

• Запрос на интерпретацию, Интерпретировать массив сигналов (Interpretate) - Функциональные модели универсального нейрокомпьютера

  Единственный запрос первой группы выполняет основную функцию компонента интерпретатор ответа - интерпретирует массив сигналов. Интерпретировать массив...

Составной предобработчик - Функциональные модели универсального нейрокомпьютера

Предыдущая | Следующая