Технически университет - софия

Факултет по приложна математика и 

информатика

Дипломна Работа

    Тема – Мрежи на Хопфилд

Дипломант :
Светослав Венциславов 
Каменополски
Фак.№ 181210004 Факултет : Фпми

Ръководител :
Доц. Д-р. Инж. Ганчо 
Венков

Увод

Стар  колкото  света  е  стремежът  на  хората  да 

създават  уреди,  устройства  и  машини,  които  да 
подпомагат  тяхната  дейност  или  да  извършват 
нещата вместо тях. Създаването им като правило 
става като се използват модели от живата природа 
, поведението и действието на човека. Не правят в 
това  отношение  изключение  и  така  наречените 
изкуствени  неврони  (ИН)  и  изкуствени  невронни 
мрежи (ИНМ).

Невронната  мрежа  е  модел  за  обработка  на 

информация,  вдъхновен  от  изучаването  на 
биоелектричните  мрежи  в  мозъка  на  човека  и 
животните.  В  наши  дни  учените  често  наричат 
изкуствените  невронни  мрежи  просто  невронни 
мрежи.

Модел на изкуствена Невронна мрежа

Невронът представлява единица за

обработка на информацията в

невронните мрежи. На схемата е

показан модел на неврон лежащ в

основата на изкуствените невронни

мрежи.

В този модел можем да отличим три

основни елемента:

- Избор на връзки - всяка връзка се

характеризира със своето тегло.

В частност сигнала на входа се

умножава по теглото  

-  Суматор  -  натрупва  входните 
сигнали,

като  определя  текущото  състояние 
на

неврона

- Активираща функция- ограничава

амплитудата на изходния сигнал на

неврона. Активиращите функции са 

най-често функции на свиване като

нормалният диапазон на свиване се

намира в интервала [0,1] или [-1,1]

Стандартно използвани са следните 4 функции

а) Единична функция
б) Хистерези          
в) Сигмои-
хиперболичен
тангенс
г) Сигмоид-по 
формулата :

F(x) =  

x

e







1

1

Основни понятия и архитектури на прави 
невронни мрежи

1.Невронен възел (неврон) 
-Входни възли
-Изходни възли
-Скрити възли
2.Невронни “пътища”(Връзки) 
3.Тегла на връзките
4.Невронен слой

Примерна Класификация на инм

Специалистите 
определят пет
основни 
характеристики на
неврони 

мрежи, 

които се
използват 

за 

класификационни
признаци 

при 

определянето на
типовете  модели  на 
невронни
мрежи:
 

-топология 

на 

мрежата

,

-видът  на  връзките 
между елементите
-типът на входните 
и изходните
стойности, 
-методът 

за 

обучение 

на 

мрежата 
-използваното 
обучаващо правило.

Видове невронни мрежи

1.Прави невронни мрежи

-

еднослойни

-

многослойни

Правите мрежи, са мрежи, при които не съществуват обратни връзки и

информацията се предава строго от входните към изходните възли (Feed forward

networks).

- Еднослойна невронна мрежа - Еднослойната права неврона мрежа е най

простата топология, която има само входен и изходен слой. Информацията се

разпространява само в една посока напред-от входа към изхода.

-  Многослойна  невронна  мрежа  –  тази  може  да  има  няколко  слоя.  Всеки  слой 
има

теглова матрица W, вектор на отклонение b и изходен вектор a. .

2.Рекурентни невронни мрежи - - мрежи при които съществуват обратни

връзки  т.е.    елементи  на  даден  слой  са    свързани    с  друг  предходен  слой  .  Те 
включват и

обратни връзки, изразяващи се във връзки между изходите на дадени невронни 
възли

и входове на други възли от същия или друг слой на мрежата.