- Если рассматривать "нейронную сеть" как программную или аппаратную реализацию некоторой математической модели, то нелинейность всей модели обеспечивается нелинейными функциями активации каждого отдельного элемента(-ов) модели.
Кратко о том, что такое линейная/нелинейная функция можно взглянуть в Вики https://ru.wikipedia.org/wiki/%D0%9B%D0%B8%D0%BD%D0%B5%D0%B9%D0%BD%D0%B0%D1%8F_%D1%84%D1%83%D0%BD%D0%BA%D1%86%D0%B8%D1%8F
В качестве наиболее используемых функций активации в нейронных сетях используется, например sigmoid function:
или гиперболический тангенс:
- Вопрос не очень понятен.. если рассматривать "порядок задач", как задачи, выполняемые для обучения перцептрона, то они следующие:
- выбираем смещение(-ия) для элемента (-ов) - случайным или иным образом;
- выбираем значения входных весов для всех элементов сети;
- запускаем на исполнение обучающий пример (примеры/выборку) так называемое "прямое прохождение";
- после прохождения входного сигнала и получения выхода, сравниваем полученный выход с "правильным" ответом;
- осуществляем корректировку смещений и весовых коэффициентов - так называемое "обратное распространение" /корректировка ошибки/;
- выполняем указанный процесс N раз, где N = количество обучающих примеров.
В результате указанного процесса (обучения) сформируются значения смещений и входных весов для каждого элемента, что позволит в дальнейшем, при подаче на вход системы ранее не подававшегося сигнала (например картинки), распознать ее с определенной точностью.
Это если вкратце по теме.
1 эксперт согласен
Персептрон - это сеть из элементов трех видов, распределенных по трем слоям. Их принято обозначать буквами S, A и R: Рис.1 Простой персептрон с шестью рецепторами. ... Многослойными персептронами называют нейронные сети прямого... Читать далее