Нейросетевые технологии искусственного интеллекта
Составьте однослойные логические нейронные сети по описанию систем принятия решений. Функция активации имеет вид:
; , 0 – в противном случае, ni – количество активных входов нейрона.
Составьте однослойные логические нейронные сети по описанию систем принятия решений. Функция активации имеет вид:
; , 0 – в противном случае, ni – количество активных входов нейрона.
Составьте однослойные логические нейронные сети по описанию систем принятия решений. Функция активации имеет вид:
; , 0 – в противном случае, ni – количество активных входов нейрона.
Ситуация описывается нечёткими значениями (достоверностью) событий x1, …, x5. Функция активации нейрона формируется:
, если это значение не меньше порога h, 0 – в противном случае; ni – количество активных входов (дендритов) i-го нейрона, fj – значение возбуждения рецептора xj, связанного с i-м нейроном .Постройте логическую нейронную сеть «железнодорожная рулетка» для различных вариантов V1 и V2 скорости паровозов, влияющей на величину гонорара линейных. Воспользуйтесь функцией активации; , 0 – в противном случае, h = 0,5.
V1 = 60 км/ч, V2 = 70 км/ч.
Постройте логическую нейронную сеть «железнодорожная рулетка» для различных вариантов V1 и V2 скорости паровозов, влияющей на величину гонорара линейных. Воспользуйтесь функцией активации; , 0 – в противном случае, h = 0,5.
V1 = 60 км/ч, V2 = 90 км/ч.
.Постройте логическую нейронную сеть «железнодорожная рулетка» для различных вариантов V1 и V2 скорости паровозов, влияющей на величину гонорара линейных. Воспользуйтесь функцией активации; , 0 – в противном случае, h = 0,5.
V1 = 70 км/ч, V2 = 80 км/ч.
.