The paper discusses different training algorithms of multilayer perceptron. In the package STATISTICA Neural Networks produced by the simulation of the learning process of multilayer perceptron
neural network, multilayer perceptron, learning algorithm
Искусственные нейронные сети широко используются для решения разнообразных задач: распознавание образов, классификация, управление и принятие решений, ассоциативная память и другие.
Существует большое число разнообразных архитектур нейронных сетей с различными принципами функционирования. В работе рассматривается многослойная полносвязная нейронная сеть прямого распространения – многослойный персептрон, которая широко используется для решения задач распознавания образов, прогнозирования временных рядов и аппроксимации функций.
Одной из ключевых особенностей нейронных сетей является их способность к обучению. Целью обучения является сопоставление некоторому множеству начальных значений (входов) множества выходных значений. Этот процесс осуществляется за счет определенного алгоритма изменения весовых коэффициентов связей между отдельными нейронами.
В пакете STATISTICANeuralNetworksбыл спроектирован многослойный персептрон с одним скрытым слоем для решения задачи прогнозирования временного ряда. Входной слой состоял из 5 нейронов, выходной из 1 нейрона, число нейронов в скрытом слое – 10.
1. Andreeva E.A. Optimizatsiya neyronnykh setey: ucheb. posobie. - Tver´, 2008.
2. Kruglov V.V., Borisov V. V. Iskusstvennye neyronnye seti. Teoriya i praktika. - 2-e izd., stereotip. - M.: Goryachaya liniya-Telekom, 2002.
3. Neyronnye seti. STATISTICA Neural Networks: Metodologiya i tekhnologii sovremennogo analiza dannykh / Pod redaktsiey V.P. Borovikova. - 2-e izd., pererab. i dop. - M.: Goryachaya liniya-Telekom, 2008.
4. Uossermen F. Neyrokomp´yuternaya tekhnika: Teoriya i praktika. Per. s angl. Yu.A. Zueva, V.A. Tochenova. - M.: Mir, 1992.
