rodzaje

 

Sieci neuronowe uzyskuje się łącząc ze sobą elementarne neurony najczęściej w tzw. struktury warstwowe. Czyli sieć posiada warstwy zbudowane z pojedynczych neuronów. W obrębie jednej warstwy nie ma połączeń między neuronami, połączenia stosuje się  pomiędzy poszczególnymi warstwami w taki sposób, że wyjścia neuronów pierwszej warstwy są łączone z wejściami warstwy kolejnej na zasadzie każdy z każdym. Czyli wyście każdego neuronu z pierwszej warstwy jest podawane na wejścia wszystkich neuronów warstwy kolejnej. Należy zaznaczyć, że sygnał wyjściowy nie jest dzielony i taki sam jest podawany na wejścia wszystkich neuronów z kolejnej warstwy.  

    

  

Większość współcześnie budowanych i wykorzystywanych sieci neuronowych ma budowę warstwową, przy czym ze względu na dostępność w trakcie procesu uczenia wyróżnia się warstwy: wejściową, wyjściową, oraz tak zwane warstwy ukryte. 

 

Pierwsza warstwa traktowana jest zawsze jako warstwa wejściowa a ostatnia jako wyjściowa. Pomiędzy nimi są warstwy ukryte. Oczywiście warstwy ukryte nie zawsze muszą występować, zależy to bowiem od ogólnej ilości warstw w sieci. Jeśli np. mamy cztery warstwy ( jak w obrazie powyżej ) to kolejno 2 i 3 warstwa są warstwami ukrytymi. Jeśli warstw ogólnie jest dwie to logiczne jest, że taka sieć warstw ukrytych nie posiada.

 

Najczęstszym podziałem jaki stosuje się w przypadku sieci neuronowych jest podział ze względu na architekturę.

Wyróżniamy tutaj :

Sieci jednokierunkowe - Ogólnie ujmując są to takie sieci, w których nie występują żadne sprzężenia zwrotne. W sieciach jednokierunkowych sygnały  są przesyłane od warstwy wejściowej poprzez warstwy ukryte (jeśli występują) do warstwy wyjściowej. Sposób działania tego rodzaju sieci określa jednocześnie ich nazwę.




 

Do znanych struktur sieci jednokierunkowych należą perceptron i Madaline. Należy odnotować, że tego typu sieci są dzisiaj najbardziej rozpowszechnionymi strukturami, o czym świadczy fakt, że ponad 80% zastosowań realizowanych jest z wykorzystaniem sieci jednokierunkowych.

Sieci rekurencyjne.   Sieciami rekurencyjnymi nazywamy sieci o połączeniach dwukierunkowych między elementami przetwarzającymi lub ze sprzężeniami zwrotnymi. W sieciach takich dopuszczone jest połączenie zwrotne czyli sygnał z wyjścia może być przenoszony na wejścia neuronów z poprzednich warstw.

   Sieci tego typu są znacznie bardziej skomplikowane w porównaniu z sieciami jednokierunkowymi, a reguły ich projektowania są również trudniejsze w praktycznej implementacji. Znanym przykładem takich sieci jest maszyna Boltzmana, którą uważa się za uogólnienie sieci Hopfielda.

Sieci komórkowe.   

 

  Ogólna struktura sieci komórkowej

 Sprzężenia wzajemne między elementami przetwarzającymi dotyczą jedynie najbliższego sąsiedztwa. Połączenia te są w ogólności nieliniowe i opisane poprzez układ równań różniczkowych. Podstawową trudność w stosowaniu tego typu sieci sta­nowi opracowanie skutecznej, efektywnej i uniwersalnej metody projekto­wania. Typowym przykładem sieci komórkowej może być sieć typu mapa cech Kohonena .