Нейросеть для задачи логического вывода


Рассмотрим предварительно один аспект обучения нейросети методом трассировки.

Обобщив подход, изложенный в разд. 2, на логику передаточных функций, мы заявили, что нашли способ построения уже обученных нейросетей.

Впоследствии (разд. 3 и 4) при отсутствии некоторых связей в типовых сетях обосновано их принудительное введение в случае целесообразности.

Таким образом, несовершенство нейросети не стало для нас преградой. А если предположить, как при «схемотехническом» подходе, что первоначально в сети вообще никаких связей нет, ее матрица следования пуста, а нам предстоит создать эту сеть полностью? Логично, что в ней будут присутствовать только те связи, которые обеспечивают ее обучение, т. е. мы сразу можем строить обученную нейросеть, синапсические связи в которой имеют единичный (максимальный) вес.

Последуем этим путем и, рассчитав все возможные выводы, составим (рис. 7.1) нейросеть, соответствующую фрагменту беспредельной базы знаний о жителях далекого таежного села.

Для того чтобы максимально сохранить информацию о иерархии выводов, переменные — значения возбуждения рецепторов будем вводить только на первый уровень логического анализа в качестве параметров процедур фактов. Ведь как ни формализуй, а окончательных рекомендаций по формированию нейросети не получить, так как это формирование — моделирование, а моделирование — искусство. Впрочем, каждый раз это ярко демонстрирует выбор передаточной функции. Здесь мы рекомендуем использовать передаточную функцию:

 

Нейросеть для задачи логического вывода





- Начало -  - Назад -  - Вперед -