ЭлБиб

Научный журнал Российского НИИ проблем мелиорации, № 2(18), 2015 г., [16–30]

на двух эмпирических феноменах ее обучения, которые обычно наблюда-

ются при изменении чисел нейронов в скрытом слое и количества скрытых

слоев [13];

- непрерывное усовершенствование и оптимизация структуры НС

различными алгоритмами обучения, извлечения правил, упрощения сетей;

- отказоустойчивость в смысле монотонного, а не катастрофического

изменения качества решения задачи в зависимости от числа вышедших

из строя элементов;

- корректировка синоптических весов при поступлении новой ин-

формации, что дает возможность улучшать качество работы и компенси-

ровать незначительные отклонения в характеристиках обрабатывающих

элементов в процессе эксплуатации НС.

К недостаткам и ограничениям НС можно отнести:

- отсутствие четких алгоритмов выбора функции активации и меха-

низмов, регулирующих работу сети в целом;

- большое количество весов и пороговых уровней НС снижает ско-

рость обработки входных данных, что также может привести к «параличу»

сети при обучении;

- сложность обучения, формирования и аппроксимации НС.

Решение любой задачи с использованием ИНС включает в себя сле-

дующие этапы [14]:

- разработка нейросетевой модели (НСМ);

- формирование входного и желаемого выходного сигналов НСМ;

- формирование сигнала ошибок и функционала оптимизации;

- формирование структуры НСМ, адекватной решаемой задаче;

- разработка алгоритма настройки НСМ, эквивалентного процесса

решения задачи в нейросетевом логическом базисе;

- решение задачи с использованием разработанной НСМ.

Система методов ИНС позволяет создать модели различных архи-

Электронная Научная СельскоХозяйственная Библиотека