Авторы:
М. Ф. Баймухамедов, доктор технических наук, профессор, проректор по науке,
Kостанайский социально-технический университет им. З. Алдамжар (Республика Казахстан, 110010, г. Костанай, ул. Герцена, д. 27).
А. М. Баймухамедова, доктор философских наук,
Башкентский университет (Турция, 06810, г. Анкара, ул. Ескишекир, д. 45).
Аннотация. Рассматривается статическая настройка нейронной сети, предшествующая обучению ядерной нейронной сети. При статической настройке осуществляется выбор синоптических весов и смещений для первого и скрытых слоев нейронной сети. Далее приводятся основные математические соотношения, которые используются при выполнении алгоритма обучения ядерной нейронной сети. В алгоритме обучения параллельно с настройкой синоптической карты выполняется подбор нелинейных функций за счет изменения смещения их аргументов. Предлагаемая модель обучения обеспечивает процесс адаптации нейронной сети для достижения минимума функциональной оценки и качественного решения определенной задачи нейронной сетью. Признаками, которыми должна обладать задача, чтобы применение нейронных сетей было оправдано, и нейронная сеть могла бы ее решить, являются: − отсутствует алгоритм или не известны принципы решения задач, но накоплено достаточное число примеров; − проблема характеризуется большими объемами входной информации; − данные неполны или избыточны, зашумлены, частично противоречивы.
Ключевые слова: нейронная сеть, статическая настройка, синоптический вес, весовые коэффициенты, смещение, слои, алгоритм обучения, входной сигнал, выходной сигнал.
