Нейронная сеть, как правило, состоит из 3 слоев: сенсорный слой или предварительная обработка(подготовка) данных, ассоциативный слой – обработка данных, эффекторный слой – формирование результата. Имеется несколько входных сигналов. Понятно, что каждый нейрон должен получать по возможности большее число сигналов. Это мы покажем следующим образом.

Сенсорный слой формирует результаты предварительной обработки, которые попадают на нейроны ассоциативного слоя. Понятно, что нейроны ассоциативного слоя «сообщают» что-то нейронам эффекторного слоя, которые уже начинают «дергать» за нужные «веревочки».

Нейронная сеть на рисунке является полносвязной нейронной сетью, когда каждый входной сигнал попадает на все нейроны сенсорного слоя и каждый выход нейрона поступает на все нейроны следующего слоя. Есть 2 причины ограниченного использования полносвязных сетей: отсутствие «долговременной памяти» и сложность технической реализации. Помимо этого существуют сети, как с прямыми, так и с обратными связями.

Архитектуры нейронных сетей.

Нейронные сети будут разделятся на 2 класса: с прямыми связями и с рекуррентными(обратными) связями.

1-ый тип называется перцептрон и многослойный перцептрон. Нарисуем 2 слоя.

В перцептроне, как правило, есть возможность установления произвольных связей между нейронами и входными и выходными сигналами.

Рекуррентные или с обратными связями будут 4-х типов:

1. Соревновательные.

2. Сеть Кохонена. Есть связи только близлежащих нейронов между собой.

3. Сеть Хопфилда.

Входные сигналы не будем показывать, а покажем только обратные связи. Связи обратные являются регулярными. Эти связи показаны так: в слое из 3 нейронов каждый нейрон имеет связь с двумя какими-то другими. Обратные связи здесь задаются с помощью матрицы коммутации или матрицы соединения.

4. Модель .

Между нейронами устанавливаются всевозможные перекрестные двусторонние связи. Каждый из этих нейронов имеет сильную рефлексию.