Классификация нейронных сетей

Центральная нервная система (ЦНС) человека и животных состоит из огромного количества особых клеток, связанных между собой (нейронов). Искусственные нейронные сети являются математическим прототипом одного из отделов ЦНС. Давайте рассмотрим, какие виды нейронных сетей бывают и какие задачи решаются с их помощью.

Нейронные сети, в общем виде, представляют собой вычислительные структуры, которые моделируют простые биологические процессы. В качестве ассоциации выступают, например, процессы активации и торможения нейронов в коре головного мозга.

Элементарным преобразователем внутри любой нейронной сети является искусственный нейрон. В этой и других статьях для простоты мы будем называть его просто нейроном.

Теперь перейдем непосредственно к классификации нейронных сетей (НС). 

Итак, очень многие начинающие знакомиться с нейроинформатикой вообще не видят различий между архитектурами сетей, и любая нейронная сеть для них – это однослойный или многослойный перцептрон – сеть прямого распространения, итерационно обучающаяся с учителем. Как вы увидите далее, это далеко от истины.

Существуют сети радиально-базисных функций, которые также имеют прямонаправленную структуру связей, обучаются с учителем, но веса рассчитываются однократно как один из случаев метода наименьших квадратов.

К сетям, обучающимся без учителя (самообучающимся или самоорганизующимся) относят, например, сети Кохонена и адаптивного резонанса, различающиеся корректирующими соотношениями и форматами представления входных данных. И эти сети тоже – прямого распространения.

А вот обратные связи от выходов к предыдущим слоям имеют, например сети Хопфилда, Коско и Хэмминга. Внутренние различия их архитектур, а также способов представления и обработки сигналов приводят к тому, что они могут решать совершенно разные задачи.

Как классифицировать нейронные сети?

В зависимости от критерия классификации, можно разделить НС на различные типы. Мы можем классифицировать данный метод искусственного интеллекта по следующим признакам:

1. По способу обучения
2. По топологии
3. По модели НС
4. По способу настройки весовых коэффициентов
5. По задачам, решаемым при помощи НС

Ниже на рисунке показана наиболее универсальная классификация по первым четырем признакам.

Универсальная классификация нейронных сетей

Классификация нейронных сетей по топологии

Классификация нейронных сетей по типу решаемой задачи

На изображении ниже показана взаимосвязь между решаемой задачей и используемом типом НС.

 Выводы

Мы рассмотрели наиболее популярные виды искусственных нейронных сетей и показали, какие задачи могут решаться с их помощью, привели несколько видов классификаций нейросетей по различным критериям. 

P.S. Если по вашему мнению, мы забыли какой-то тип нейронных сетей, напишите об этом ниже в комментариях!