närvivõrgu õpetamiseks (või treenimiseks). Valemist (1.9-1.11) selgub, et erinevate kaalukoefitsientide ja nihete väärtustel, samuti ka erinevate aktiveerimisfunktsioonide korral, on võrk võimeline genereerima väga erinevaid sõltuvusseoseid Y(X). Stone-Weierstrassi teoreem (vt. peatükk 2) ütleb, et kahekihiline 13 pertseptron sobiva neuronite arvuga peidetud kihil on võimeline aproksimeerima suvalist pidevat funktsiooni ning Sontag'i teoreemi järgi, kahekihiline rekurentne närvivõrk sobiva neuronite arvuga peidetud kihil on võimeline aproksimeerima suvalist funktsiooni, millel on lõplik arv katkevuspunkte. Selleks on vaja valida ka sobivaid aktiveerimisfunktsioone ning leida optimaalseid võrgu parameetreid (kaalukoefitsiendid ja nihked). Teoreemidest on näha, et esimene samm on närvivõrgu õige arhitektuuri valik Kui probleemi
närvivõrgu õpetamiseks (või treenimiseks). Valemist (1.9-1.11) selgub, et erinevate kaalukoefitsientide ja nihete väärtustel, samuti ka erinevate aktiveerimisfunktsioonide korral, on võrk võimeline genereerima väga erinevaid sõltuvusseoseid Y(X). Stone-Weierstrassi teoreem (vt. peatükk 2) ütleb, et kahekihiline 13 pertseptron sobiva neuronite arvuga peidetud kihil on võimeline aproksimeerima suvalist pidevat funktsiooni ning Sontag'i teoreemi järgi, kahekihiline rekurentne närvivõrk sobiva neuronite arvuga peidetud kihil on võimeline aproksimeerima suvalist funktsiooni, millel on lõplik arv katkevuspunkte. Selleks on vaja valida ka sobivaid aktiveerimisfunktsioone ning leida optimaalseid võrgu parameetreid (kaalukoefitsiendid ja nihked). Teoreemidest on näha, et esimene samm on närvivõrgu õige arhitektuuri valik Kui probleemi
juhtimisalgoritmid kasutavad mudeleid, mis on saadud närvivõrgu kujul (nt ennustamisega juhtimine). Kui juhtiv süsteem on lineaarne, siis tema mudeli (ülekandefunktsiooni H(s)) arvutamiseks on välja töötatud palju meetodeid, nt "vähim ruutude meetod". Reaalses elus aga on juhitavad süsteemid tavaliselt mittelineaarsed ja mittelineaarsetel süsteemidel ei eksitsteeri ülekandefunktsioone. Ülekandefunktsioonid on erinevad iga tööpunkti ümbruses. Tehisnärvivõrgud on võimelised aproksimeerima suvalise pidevat sealhulgas ka mittelineaarset funktsiooni. Süsteemijärk peab olema teada. Mittelineaarsete süsteemide identifitseerimine on dünaamiliste mittelineaarsete funktsioonide aproksimeerimine. Dünaamiliste protsesside modelleerimiseks, tuuakse närvivõrkude arhitektuuri tagasiside (sest närvivõrk on dünaamiline) ehk närvivõrkude kasutamine võimaldab juhtida mittelineaarseid süsteeme. Klassikaline hulgateooria ja hägus hulgateooria. Hägusate hulkade omadused. Tehted
annaabi.ee 
