Elmanova neuronová síť je jedním z typů rekurentní sítě , která se stejně jako Jordanova síť získává z vícevrstvého perceptronu zavedením zpětné vazby, pouze spojení nepocházejí z výstupu sítě, ale z výstupů vnitřních neuronů. . To umožňuje vzít v úvahu prehistorii pozorovaných procesů a shromažďovat informace pro vypracování správné strategie řízení. Tyto sítě lze použít v řídicích systémech pro pohyb objektů, protože jejich hlavním rysem je zapamatování sekvencí.
Na základě Elmanovy sítě je vybudována neuronová síť třídy RAAM, která ve své struktuře opakuje tu Elmanovu. RAAM (Recursive Auto Associative Memory ) je dvojitá Elman síť 2N-N-2N, která se používá ke kompresi a šifrování informací. Na vstup sítě je přiveden bitový signál o velikosti 2N bitů. Typicky má síť velikost 20-10-20, prvních 10 bitů se nazývá „levý“, druhých 10 bitů se nazývá „pravý“. Na samém začátku je do levé matice přiveden nulový vektor bitů (0000000000) a do pravé znakový nebo větný kód (například 0010000000="A"). Totéž platí pro výstupní matice . Síť je trénována metodou backpropagation. Poté je 10 bitů ze skryté vrstvy přeneseno do levé vstupní matice a další znak je odeslán do pravé. V procesu takového rekurzivního učení se informace komprimují a zašifrují, což uvedl do praxe Tom Vögtlen v roce 2002 ve své práci Neural Networks and Self-Reference .
Typy umělých neuronových sítí | |
---|---|
|
Strojové učení a dolování dat | |
---|---|
Úkoly | |
Učení s učitelem | |
shluková analýza | |
Redukce rozměrů | |
Strukturální prognózy | |
Detekce anomálií | |
Grafové pravděpodobnostní modely | |
Neuronové sítě | |
Posílení učení |
|
Teorie | |
Časopisy a konference |
|