Multilayer Neural Networks: A Generalized Net Perspective

هدف اصلی این کتاب نشان دادن این است که یک شبکه عصبی چند لایه را می توان به عنوان یک سیستم چند مرحله ای در نظر گرفت و سپس یادگیری این دسته از شبکه های عصبی را می توان به عنوان یک نوع خاص از کنترل بهینه در نظر گرفت. مسئله. به این ترتیب، روش بهینه مسئله کنترل، مانند برنامه‌نویسی پویا، با تغییراتی، می‌تواند کلاس جدیدی از الگوریتم‌های یادگیری را برای شبکه‌های عصبی چندلایه ارائه دهد.

هدف دیگر این کتاب نشان دادن این است که نظریه شبکه تعمیم یافته را می توان با موفقیت به عنوان توصیف جدیدی از شبکه های عصبی چندلایه استفاده کرد. چندین توصیف خالص کلی از فرآیندهای عملکرد شبکه های عصبی در نظر گرفته شده است، به عنوان مثال: فرآیند شبیه سازی شبکه ها، سیستم شبکه های عصبی و الگوریتم های یادگیری توسعه یافته در این کتاب.

رویکرد شبکه تعمیم یافته برای مدل سازی سیستم های واقعی ممکن است با موفقیت برای توصیف انواع مشکلات تکنولوژیکی و فکری مورد استفاده قرار گیرد، این می تواند نه تنها برای نمایش عملکرد موازی اشیاء همگن، بلکه برای مدل سازی سیستم های غیر همگن، برای مثال سیستم هایی که از نوع متفاوتی تشکیل شده اند، استفاده شود. زیرسیستم ها.

استفاده از متدولوژی شبکه های تعمیم یافته راه جدیدی را برای توصیف عملکرد سیستم های پویا گسسته نشان می دهد.

The primary purpose of this book is to show that a multilayer neural network can be considered as a multistage system, and then that the learning of this class of neural networks can be treated as a special sort of the optimal control problem. In this way, the optimal control problem methodology, like dynamic programming, with modifications, can yield a new class of learning algorithms for multilayer neural networks.

Another purpose of this book is to show that the generalized net theory can be successfully used as a new description of multilayer neural networks. Several generalized net descriptions of neural networks functioning processes are considered, namely: the simulation process of networks, a system of neural networks and the learning algorithms developed in this book.

The generalized net approach to modelling of real systems may be used successfully for the description of a variety of technological and intellectual problems, it can be used not only for representing the parallel functioning of homogenous objects, but also for modelling non-homogenous systems, for example systems which consist of a different kind of subsystems.

The use of the generalized nets methodology shows a new way to describe functioning of discrete dynamic systems.