Нейрон “т_мах”

Реферат: Нейрон "Т_ МАХ" має п входів з ваговими коефіцієнтами "1", до яких увімкнені відповідні елементи вхідного вектора X=(х1, х2, …, xj, …, хn) має n виходів для виведення вихідного вектора Y=(у1, у2, …, уj, …, уn), кожний елемент yj якого призначений для виведення значення "0", якщо відповідне значення елемента xj вхідного вектора менше максимального значення елементів вхідного вектора X, та призначений для виведення значення "1", якщо значення елемента xj вхідного вектора дорівнює максимальному значенню елементів вхідного вектора X. Нейрон складається з блока активаційної функції, який призначений для виконання операцій for j:= 1 to n do y(j):= 0; XM:= x(1); for j:= 2 to n do if x(j)>XM then XM:= x(j); for j:= 1 to n do if x(j)=XM then y(j):= 1. UA 104875 U (54) НЕЙРОН "Т_МАХ" UA 104875 U UA 104875 U 5 10 15 20 25 30 35 40 45 50 55 Корисна модель належить до штучних нейронних мереж (ШНМ), призначених для реалізації логічного рішення стосовно виділення максимального числа з ряду поданих чисел, яке застосовується в нейрокібернетиці і може бути використане в нейрокомп'ютерах та штучних нейронних мережах при розв'язанні задач логічної обробки даних. Відомі нейронні мережі "МАХ_0" та "МАХ_1", які призначені для отримання на виході найбільшої з вхідних змінних сенсорного шару [1, 2]. Вони мають n входів, до яких увімкнені відповідні елементи вхідного вектора X=(х 1, х2,…, xj, …, хn) та один вихід для виведення максимального значення елемента вхідного вектора X=(х 1, х2,…, xj, …, хn). Недоліком цих нейронних мереж є те, що вони не призначені для переоцінки на виході всіх елементів вхідного вектора X=(х1, х2,…, xj, …, хn) у вигляді вихідного вектора Y=(у1, у2,…,уj, …,уn). Відомий ШНМ-компаратор, призначений для виділення з елементів вхідного вектора X{х 1 × ,…, хn} максимального значення [3, с. 102-106; 4]. Але ШНМ-компаратор не призначений для 2 переоцінки на виході всіх елементів вхідного вектора X=(х1, х2,…, xj, …, хn) у вигляді вихідного вектора Y=(у1, у2,…,уj, …,уn). Найбільш близьким по сукупності суттєвих ознак до заявленого об'єкту є прийнята за прототип ШНМ MAXNET, яка використовується для виділення найбільшого позитивного значення з ряду елементів вхідного вектора X{х 1, х2,…, хn} [3, с. 155; 5] і була запропонована як доповнення до нейронної мережі Хеммінга [5]. Прийнята за прототип мережа MAXNET має n входів з ваговими коефіцієнтами "1", до яких увімкнені відповідні елементи вхідного вектора X=(х1, х2,…, xj, …, хn), має n виходів для виведення вихідного вектора Y=(у1, у2,…, уj, …, уn), кожний елемент yj якого призначений для виведення значення "0", якщо відповідне значення елемента x j вхідного вектора менше максимального значення елементів вхідного вектора X та призначений для виведення значення "1", якщо значення елемента xj вхідного вектора дорівнює максимальному значенню елементів вхідного вектора X [1; 2, с. 51-52]. Недоліком мережі MAXNET є збільшена кількість нейронів, складність навчання та ускладнення розрахунків. Причини, які перешкоджають одержанню очікуваного технічного результату у прототипі MAXNET (спрощення архітектури, зменшення вартості ШНМ через зменшення кількості нейронів, зменшення витрат на обслуговування і налагодження ШНМ внаслідок спрощення розрахунків) є прийнята архітектура ШНМ та алгоритм розв'язку задачі. Недоліками прийнятої за прототип ШНМ MAXNET є: - ускладнена архітектура; - збільшення вартості через збільшеної кількості нейронів; - збільшення витрат на обслуговування і налагодження ШНМ внаслідок ускладнення розрахунків. Технічним результатом пропонованої корисної моделі є зменшення вартості обладнання та зменшення витрат на обслуговування та налагодження внаслідок зменшення кількості нейронів та спрощення розрахунків. Загальні суттєві ознаки запропонованого нейрону "Т_МАХ", які співпадають з суттєвими ознаками прототипу, полягають у тому, що нейрон "Т_МАХ" має n входів з ваговими коефіцієнтами "1", до яких увімкнені відповідні елементи вхідного вектора X=(х 1, х2,…, xj, …, хn), має n виходів для виведення вихідного вектора Y=(у1, у2,…, уj, …,уn), кожний елемент yj якого призначений для виведення значення "0", якщо відповідне значення елемента x j вхідного вектора менше максимального значення елементів вхідного вектора X та призначений для виведення значення "1", якщо значення елемента xj вхідного вектора дорівнює максимальному значенню елементів вхідного вектора X. Суттєві ознаки запропонованого нейрону, що є достатніми у всіх випадках і характеризують запропонований винахід на відміну від прототипу, полягають у тому, що нейрон складається з блока активаційної функції, який призначений для виконання операцій for j:= 1 to n do y(j):= 0; XM:= x(1); for j:= 2 ton do if x(j) > XM then XM:= x(j); for j:=1 to n do if x(j) = XM then y(j):= 1; Передбачуваний нейрон ілюструється фігурою, на якій наведена схема нейрону "Т_МАХ" та використані наступні позначення: - X=(х1, х2,…, xj, …, хn) - вхідний вектор нейрону "Т_МАХ"; - Y=(у1, у2,…, уj, …, уn) - вихідний вектор нейрону "Т_МАХ"; - N - нейрон "Т_МАХ". Розглянемо сутність роботи пропонованого нейрону "Т_МАХ" згідно наведеної фігури. 1 UA 104875 U 5 10 15 20 При подачі на входи нейрону "Т_МАХ" вхідного вектора X=(х 1, х2,…, xj, …, хn) нейрон використовує блок активаційної функції, який призначений для виконання операцій for j:= 1 to n do y(j):= 0; XM:= x(1); for j:= 2 to n do if x(j) > XM then XM:= x(j); for j:= 1 to n do if x(j) = XM then y(j):= 1; У результаті на виході нейрону отримуємо вихідний вектор Y=(у1, у2,…, уj, …, уn), кожний елемент yj якого дорівнює "0", якщо відповідне значення елемента x j вхідного вектора менше максимального значення ХМ елементів вхідного вектора X та дорівнює "1", якщо значення елемента xj вхідного вектора дорівнює максимальному значенню ХМ елементів вхідного вектора X. Запропонована нейронна мережа "Т_МАХ" не потребує навчання та дозволяє: зменшити витрати за рахунок його спрощення внаслідок зменшення кількості нейронів; зменшити витрати на обслуговування і налагодження нейронної мережі внаслідок спрощення розрахунків. Джерела інформації: 1. Кутковецький В.Я., Турти М.В. Нейронна мережа "МАХ_0". Патент України на корисну модель № 97940. МПК G06N 3/02, G06N 7/02, 10.04.2015, Бюл. № 7. - 4 с. 2. Кутковецький В.Я., Турти М.В. Нейронна мережа "МАХ_1". Патент України на корисну модель № 97941, МПК G06F 17/16, G06N 3/02, 10.04.2015, Бюл. № 7. - 4 с. 3. Руденко О. Г., Бодянський С. В. Штучні нейронні мережі. - Харків: ТОВ "Компанія СМІТ", 2006. - 404 с 4. Zakharian S., Ladevig-Riebler P., Torez S. Neuronale Netze fur Ingenieure: Arbeits und Ubungsbush fur regulungstechnische Anwendungen. -Braunschweig: Vieweg, 1998. 5. Lippman R.P. An introduction to computing with neural nets //IEEE ASSP Magazine. - Apr. 1987. - P. 4-22. 25 ФОРМУЛА КОРИСНОЇ МОДЕЛІ 30 35 Нейрон, який має n входів з ваговими коефіцієнтами "1", до яких увімкнені відповідні елементи вхідного вектора X=(х1, х2, …, xj, …, хn) має n виходів для виведення вихідного вектора Y=(у1, у2, …, уj, …, уn), кожний елемент yj якого призначений для виведення значення "0", якщо відповідне значення елемента xj вхідного вектора менше максимального значення елементів вхідного вектора X, та призначений для виведення значення "1", якщо значення елемента x j вхідного вектора дорівнює максимальному значенню елементів вхідного вектора X, який відрізняється тим, що нейрон складається з блока активаційної функції, який призначений для виконання операцій for j:= 1 to n do y(j):= 0; XM:= x(1); for j:= 2 to n do if x(j)>XM then XM:= x(j); for j:= 1 to n do if x(j)=XM then y(j):= 1. Комп’ютерна верстка Г. Паяльніков Державна служба інтелектуальної власності України, вул. Урицького, 45, м. Київ, МСП, 03680, Україна ДП “Український інститут промислової власності”, вул. Глазунова, 1, м. Київ – 42, 01601 2