13.4 Алгоритм для режиму функціонування нейромережі

Процедура функціонування нейромережі здійснюється на основі отриманих результатів попередньої процедури наступним чином: вводяться вхідні дані, проводиться кодування на основі коефіцієнтів, отриманих в процесі навчання, матриця M_Sxi⁽¹⁾ заповнюється вхідними значеннями.

В режимі функціонування на вхід нейронної мережі надходить вектор вхідних сигналів M_Sxi⁽¹⁾, i=1, 2, ..., n. Після проходження вказаних сигналів через нейрони сенсорного прошарку, з врахуванням відповідних передавальних функцій останніх, на виходах нейронів вхідного прошарку формується вектор M_xi⁽¹⁾. Проходження сигналу з виходу будь-якого нейрона на вхід через відповідний зв’язок пов’язано із зважуванням сигналу вагою даного зв’язку, тому сумарний сигнал на вході першого нейронного елемента прихованого прошарку дорівнює:

. (13.20)

На виході вказаного нейронного елемента формується сигнал:

. (13.21)

У випадку, коли вектор M_xi⁽¹⁾ є рядком навчальної матриці, значення K_N⁽¹⁾, а також значення сигналів K_N^(j) на виходах всіх інших нейронних елементів прихованого прошарку співпадають з обчисленими в процесі навчання вузловими значеннями. В іншому випадку величини K_x^(j), для j=1, 2, ..., і, лише приблизно відповідають значенням, які можна було б отримати, якби вектор M_xi⁽¹⁾ входив в навчальну матрицю.

На вході довільного j-ого нейрона реагуючого прошарку j=1, 2, ..., m, з врахуванням (13.13) сумарний вхідний сигнал буде дорівнювати:

, (13.22)

який співпадає з відповідним елементом навчальної матриці, або є відповідним наближенням. Вказаний сигнал трансформується у вихід нейронної мережі через передавальні функції нейронів реагуючого прошарку.

Отже, в основі алгоритму навчання і функціонування, лежать операції послідовних перетворень тренувальної матриці у відповідності з формулою (13.13).

Варіант схемної реалізації нейромережі, що відповідає описаному варіанту навчання, представлений на рис.13.6.

Рисунок 13.6 – Структура нейромережі з проективними та впорядкованими латеральними зв’язками

Багатокроковість процедури перетворення матриці M_Ni відображається введенням латеральних зв'язків між нейронами прихованого прошарку. На підставі результатів представлення навчальної матриці кінцевою сумою обчислюються вагові коефіцієнти синаптичних зв’язків W_il⁽¹⁾, W_lp⁽²⁾, W_lr⁽³⁾.

Встановлюючи відповідність між структурою нейромережі та графом обчислювального процесу в режимі функціонування, нескладно обчислити параметри нейромережі - ваги відповідних синаптичних зв’язків.

В результаті виконання процедури розкладу в ряд визначається набір векторів вагових коефіцієнтів синаптичних зв'язків та набір відношень виду P_N^(j)®K_N^(j), де P_N^(j) обчислюється для кожної реалізації. Отже, початкова матриця M_Ni⁽¹⁾ трансформується у матрицю коефіцієнтів (табл.13.2), які і будуть визначати передавальні функції нейронних елементів прихованого прошарку в табличному вигляді з нерівномірним розбиттям по осі аргументів, які в подальшому будуть представлятися відповідними інтерполюючими або апроксимуючими залежностями.

Таблиця 13.2 - Матриця коефіцієнтів

	KN(j)			PN(j)
N
	j=1, 2, ...			j=1, 2, ...

Для реалізації режиму функціонування нейронної мережі, навченої таким чином, необхідно забезпечити відтворення передавальних функцій на всьому можливому інтервалі задання часткових коефіцієнтів P_N^(j).