Использование нейросетей для анализа звуковой информации

Профессиональный электромонтаж и металлоконструкции Новосибирск и пригороде. Электромонтаж. | Выполним сварка металлокаркас в Санкт-Петербурге и пригороде. Металлоконструкции на заказ. | Конструкции из металла изготовление металлические конструкции в Кемерове и пригороде. | Металлические конструкции металлоизделия в Новокузнецке и пригороде. Металлоконструкции на заказ. | Электрик сделает подключение к электричеству на даче в Кемерове и пригороде. Русский электрик.

Многослойный персептрон


1. Идея метода

Сеть состоит из входного слоя нейронов, нескольких скрытых слоев и выходного слоя. Каждый нейрон последующего слоя связан со всеми нейронами предыдущего модифицируемыми связями. Нейроны имеют сигмоидальную (реже пороговую) функцию возбуждения. Многослойный персептрон является нелинейным классификатором , т.е. может делить пространство сигнала несколькими плоскостями. Сеть обучается классификации изменением весов связей (также могут изменяться и “смещения”).

2. Математическое описание

Аналогично простому персептрону, каждый нейрон  в многослойном персептроне выполняет разделение пространства сигналов гиперплоскостями. Наличие скрытых слоев позволяет объединять эти гиперплоскости операциями ИЛИ, НЕ, И, и получать в результате поверхности любой сложности.

  Для обучения нейросети был разработан алгоритм обратного распространения ошибки, являющийся дальнейшим развитием дельта-правила, используемого в простом персептроне.

Введем следующие обозначения:

  EW – производная ошибки по весу

  EA – производная ошибки по уровню активности элемента

  EI – скорость изменения ошибки при изменении входа элемента

  X – входной вектор

  Y – выходной вектор

  W – матрица связей,         

  f – функция возбуждения  (сигмоидальная функция)

                             

                                             (1)

  Dj – желаемый выход j-го элемента

  E – ошибка классификации

                             

                                  (2)

С использованием этих обозначений можно записать следующие соотношения:

                             

                                 (3)

                      

                 (4)

                      

                         (5)

                      

                   (6)

Т.о., в (6) мы получили EA для следующего слоя, и теперь имеем возможность повторить эти операции для всех нижележащих слоев.

После нахождения матрицы EWij  корректируются связи Wij:

                             

                                   (7)




- Начало -  - Назад -  - Вперед -



Книжный магазин