Нейрокомпьютинг и его применения в экономике и бизнесе

         

Сети интервальных нейронов


Ситуация, в которой некоторые данные не известны или не точны, встречается достаточно часто. Например, при оценке возможностей той или иной фирмы, можно учитывать ее официально декларируемый капитал, скажем в 100 миллионов, но лучше всего считать, что в действительности его величина является несколько большей и меняется в интервале от 100 до 300 млн. Удобно ввести в данном случае специальные нейроны, состояния которых кодируют не бинарные или непрерывные значения, а интервалы значений. В случае, если нижняя и верхняя граница интервала совпадают, то состояния таких нейронов становятся аналогичными состояниям обычных нейронов.

Для интервального нейрона

Сети интервальных нейронов
на каждый его вход
Сети интервальных нейронов
подается не одно
Сети интервальных нейронов
, а пара значений, определяющая границы интервала, в котором лежит величина воздействия
Сети интервальных нейронов
-го нейрона. Воздействие, оказываемое на
Сети интервальных нейронов
-й нейрон со стороны всех связанных с ним нейронов само лежит в интервале
Сети интервальных нейронов
, где

Сети интервальных нейронов

Сети интервальных нейронов

Сети интервальных нейронов
- обратная температура.

Интервальное значение, которое принимает

Сети интервальных нейронов
-й нейрон при данном воздействии, равно

Сети интервальных нейронов

где

Сети интервальных нейронов

Передаточная функция интервального нейрона приблизительно отражает идею монотонности по отношению к операции интервального включения. Это означает, что при

Сети интервальных нейронов
, если вход
Сети интервальных нейронов
-го нейрона лежит в интервале
Сети интервальных нейронов
, то выход
Сети интервальных нейронов
- го нейрона, определенный по классической функции Ферми, обязательно попадет в интервал
Сети интервальных нейронов
. Интервальные нейроны могут являться элементами многослойных персептронов. В этом случае их состояния вычисляются последовательно, начиная от входного слоя к выходному. Для сетей интервальных нейронов может быть построено обобщение метода обратного распространения ошибки, описание которого выходит за рамки нашего курса.



Содержание раздела