Логические нейронные сети
Исследуйте возможность социально-исторического прогнозирования с помощью логической нейронной сети.
Сформулируйте свои соображения о построении логической нейронной сети, прогнозирующей моральное состояние общества.
Задана нейронная сеть, которую следует обучить. Она не обладает ярко выраженной "слоистостью". Формирование "скобок" в порядке их вложенности в этом случае формируется в соответствии с длиной логической цепочки при трассировке отдельно каждого логического выражения, в котором они участвуют. Это определяет условную "слоистость" нейронной сети, при которой трассировка "скобок" производится так, чтобы "успеть собрать" логическое выражение не далее нейрона выходного слоя. Или, – чтобы динамические цепочки возбуждений заканчивались нейронами выходного слоя.
Произведите трассировку данной логической нейронной сети по логическому описанию СПР в соответствии с вариантами задачи 4. Вводите дополнительные связи, если это необходимо.
Логическое описание СПР:
y1 ∧ (y2 ∨ y3) → R1,y2 ∧ (y4 ∨ (y2 ∧ y3)) → R2,y3 ∧ (y2 ∨ y3) → R3
Задана нейронная сеть, которую следует обучить. Она не обладает ярко выраженной "слоистостью". Формирование "скобок" в порядке их вложенности в этом случае формируется в соответствии с длиной логической цепочки при трассировке отдельно каждого логического выражения, в котором они участвуют. Это определяет условную "слоистость" нейронной сети, при которой трассировка "скобок" производится так, чтобы "успеть собрать" логическое выражение не далее нейрона выходного слоя. Или, – чтобы динамические цепочки возбуждений заканчивались нейронами выходного слоя.
Произведите трассировку данной логической нейронной сети по логическому описанию СПР в соответствии с вариантами задачи 4. Вводите дополнительные связи, если это необходимо.
Логическое описание СПР:
(y1 ∧ y4) ∧ (y2 ∨ y3) → R1,y2 ∨ (y4 ∧ (y2 ∨ y3)) → R2,(y1 ∨ y3) ∧ (y2 ∨ y4) → R3
Задана нейронная сеть, которую следует обучить. Она не обладает ярко выраженной "слоистостью". Формирование "скобок" в порядке их вложенности в этом случае формируется в соответствии с длиной логической цепочки при трассировке отдельно каждого логического выражения, в котором они участвуют. Это определяет условную "слоистость" нейронной сети, при которой трассировка "скобок" производится так, чтобы "успеть собрать" логическое выражение не далее нейрона выходного слоя. Или, – чтобы динамические цепочки возбуждений заканчивались нейронами выходного слоя.
Произведите трассировку данной логической нейронной сети по логическому описанию СПР в соответствии с вариантами задачи 4. Вводите дополнительные связи, если это необходимо.
Логическое описание СПР:
y1 ∧ (y2 ∨ y3) → R1,y2 ∨ (y4 ∧ (y2 ∨ y3)) → R2,(y1 ∨ y3) ∧ (y2 ∨ y4) → R3
По приведенному ниже рисунку фрагмента нейронной сети с обратными связями и по формуле для нахождения веса такой связи
проанализируйте два цикла "работы" нейронной сети, если следующая попытка распознавания ситуации с участием Васи (А1= 1 ) совершается до истечения 4 единиц времени с момента предыдущего анализа подобной ситуации.
Δt = 3По приведенному ниже рисунку фрагмента нейронной сети с обратными связями и по формуле для нахождения веса такой связи
проанализируйте два цикла "работы" нейронной сети, если следующая попытка распознавания ситуации с участием Васи (А1= 1 ) совершается до истечения 4 единиц времени с момента предыдущего анализа подобной ситуации.
Δt = 1По приведенному ниже рисунку фрагмента нейронной сети с обратными связями и по формуле для нахождения веса такой связи
проанализируйте два цикла "работы" нейронной сети, если следующая попытка распознавания ситуации с участием Васи (А1= 1 ) совершается до истечения 4 единиц времени с момента предыдущего анализа подобной ситуации.
Δt = 2.В перспективе своих самостоятельных исследований составьте модель программы игры в "крестики – нолики", первоначально ограничившись попыткой сведения игры "в ничью". Начните разработку модели с анализа возможных ходов противника и с выбора предпочтительного ответа. Для этого заведите три строки, каждая из которых содержит три позиции. В текущем состоянии игры позиция может содержать "крестик" (противника), "нолик" (Ваш) или быть свободной. Несомненно, "традиционный" программный, последовательный анализ каждой позиции всех строк трудоемок и долог. Ассоциативный принцип "работы" нейронной сети позволяет приблизить его к ассоциативному мышлению игрока и сделать игровую нейрокомпьютерную приставку к персональному компьютеру.
Составьте проект такой нейронной сети.
Составьте графическую схему нейронной сети.