Вступ. Класифікація нейронних мереж та їх властивості.

     Штучні нейронні мережі надзвичайно різноманітні за конфігураціями. Незважаючи на це, мережеві парадигми мають багато спільного.
     Нейронні мережі розрізняють за топологічними типами відповідно до структури звязків між нейронами мережі, а також за типом використаних формальних нейронів.
     ШНМ можуть розглядатися як спрямований граф зі зваженими зв'язками, у якому штучні нейрони є вузлами. По архітектурі зв'язків ШНМ можуть бути згруповані в два класи (рис. 1.1): мережі прямого поширення, у яких графи не мають петель, і рекурентні мережі, або мережі зі зворотними зв'язками.

Рис 1.1. Класифікація нейронних мереж

     За організацією навчання поділяють навчання нейронних мереж з вчителем (supervised neural networks) та без вчителя (nonsupervised).
     За способом навчання поділяють навчання за входами і за виходами. При навчанні за входами навчальний приклад є тільки вектором вхідних сигналів, а при навчанні за виходами до нього входить і вектор вихідних сигналів, який відповідає вхідному вектору.
     За способом подання прикладів розрізняють подання одиночних прикладів і "сторінки" прикладів. У першому випадку зміна стану нейронної мережі (навчання) відбувається після подання кожного прикладу. У другому - після подання "сторінки" (множини) прикладів на підставі аналізу одразу усіх їх.
     За особливостями моделі нейрону розрізняють нейрони з різними нелінійними функціями.