То что мы сказали попробуем смоделировать. Представим нейрон в виде некоторого материального устройства или объекта. Базовым элементом искусственных нейронных сетей является линейный пороговый элемент, который также называется искусственным нейроном.

У нас имеются входы у ЛПЭ, который моделирует синоптический контакт и дендриты. Имеется умножители w₀…w_n-1. Моделируется внутренняя память нейрона. У нас, фактически, все нейронные сети являются нейронами сетями кратковременной памяти. Умножители, которые реализуют умножение входных сигналов на весовой коэффициент w_i. w – вектор весовых коэффициентов. Сумматор моделирует тригерную зону, то есть реализуется линейная комбинация входных сигналов. Представить произвольную функцию с помощью линейной комбинации не сможем. А мы знаем, что нейрон помимо суммирования входных сигналов с учетом кратковременной памяти, он еще обладает способностью иногда эти сигналы просто не воспринимать, когда они очень часто возникают или когда возникают очень редко. Это может быть смоделировано обязательно наличием некоего нелинейного элемента – пороговый элемент. Значит любой нейрон или пороговый элемент реализует функцию:

Линейный пороговый элемент моделирует нейрон с учетом его внутренней памяти.

Классификация искусственных нейронов.

1. По виду входных и выходных сигналов

2. По виду функции архивации

Есть 2 типа нейронов по виду входных и выходных сигналов: дискретные и аналоговые, хотя на самом деле все дискретное или все аналоговое. Дискретные, когда входные сигналы принимают значение на конечном множестве чисел. Аналоговые, когда значения принимаются на некотором отрезке числовой оси. В технике аналоговые нейроны моделируются использованием чисел с плавающей точки, а дискретные — с помощью целых чисел. Шкала целых чисел от шкалы чисел с плавающей точкой отличается линейностью шкалы, у целых чисел линейная шкала, а у нелинейных – нелинейная шкала.

2 функции архивации: сигмоидальные и колокоидальные.

Первая нелинейность представляется, как правило, следующей функцией, а вторая – это следующая функция.