Технологии интеллектуального анализа данных : учебное пособие

183 внешней средой с помощью связей, определяемых весовыми ко- эффициентами. Совокупность нейронов с еди- ными входными сигналами называют слоем нейронной сети. На рис. 3.21 представлен пример двухслойной нейронной сети с нулевым распреде- лительным слоем, скрытым и выход- ным слоем нейронов. В зависимости от числа слоев и типов связей между нейронными элементами выделяют различные классы нейронных сетей, наибо- лее известные из которых [12]:  нейронные сети с прямыми связями;  нейронные сети с обратными связями;  рекуррентные нейронные сети;  многослойные сети без релаксации;  релаксационные НС;  нейронные сети адаптивного резонанса;  самоорганизующиеся НС Кохонена. Среди релаксационных НС наибольшее практическое рас- пространение получили сети Хопфилда, Хэмминга и двунаправ- ленная ассоциативная память. Для решения отдельных классов за- дач существуют оптимальные конфигурации структуры НС. Если же решаемая задача не может быть сведена ни к одному из данных классов, исследователю приходится решать проблему синтеза но- вой конфигурации – выбора количества слоев сети, количества нейронов в каждом слое и типов связей между ними. Задавшись определенной архитектурой НС, соответствую- щей какой-либо задаче, необходимо найти оптимальные значения Рис. 3.21. Пример двухслойной нейронной сети