Väljundkihi neuronite ülesanne on arvutada võrgu väljundid. Neuronite arv väljundkihil ongi närvivõrgu väljundite arv. Mitmekihilisel pertseptronil võib olla suvaline arv sisendeid ja väljundeid. Järelikult, see on auto-assotsiatiivsene närvivõrk. Sisendkihis ei toimu informatsiooni töötlust, ta ainult jaotab sisendsignaalid esimese peidetud kihi neuronite vahel. Seepärast seda kihti ei arvestata kihtide kokkulugemisel. See tähendab, et ertseptroni, mis koosneb ühest sisendkihist, ühest peidetud kihist ja ühest väljundkihist nimetatakse kahekihiliseks. 10.4 Õpialgoritm- 1. Katseandmete kogumine: Identifitseeritava objekti sisendile antakse sisendväärtused (reeglina, need väärtused on juhuslikud). Objekti väljundis mõõdetakse nendele vastavaid väljundväärtusi. Identifitseerimine toimub sisendi ja väljundi etalonväärtuste alusel. Õpetamisprotsessi käigus õpib närvivõrk anda õigeid väljundväärtuseid teatud etalonväärtuste hulgas
Väljundkihi neuronite ülesanne on arvutada võrgu väljundid. Neuronite arv väljundkihil ongi närvivõrgu väljundite arv. Mitmekihilisel pertseptronil võib olla suvaline arv sisendeid ja väljundeid. Järelikult, see on auto- assotsiatiivsene närvivõrk. Sisendkihis ei toimu informatsiooni töötlust, ta ainult jaotab sisendsignaalid esimese peidetud kihi neuronite vahel. Seepärast seda kihti ei arvestata kihtide kokkulugemisel. See tähendab, et ertseptroni, mis koosneb ühest sisendkihist, ühest peidetud kihist ja ühest väljundkihist nimetatakse kahekihiliseks. Rekurentseks ehk tagasisidestatuks nimetatakse närvivõrku, milles signaalid levivad nii sisendist väljundi poole, kui ka vastassuunas. Sellistel võrkudel on olemas siseolek ja järelikult, rekurentse närvivõrgu väljundväärtus sõltub nii selle ajahetke sisenditest kui ka eelmiste ajahetkede sisend ja väljundväärtustest. See annab võimalust modelleerida reaalset dünaamilist protsesse
Väljundkihi neuronite ülesanne on arvutada võrgu väljundid. Neuronite arv väljundkihil ongi närvivõrgu väljundite arv. Mitmekihilisel pertseptronil võib olla suvaline arv sisendeid ja väljundeid. Järelikult, see on autoassotsiatiivsene närvivõrk. Sisendkihis ei toimu informatsiooni töötlust, ta ainult jaotab sisendsignaalid esimese peidetud kihi neuronite vahel. Seepärast seda kihti ei arvestata kihtide kokkulugemisel. See tähendab, et ertseptroni, mis koosneb ühest sisendkihist, ühest peidetud kihist ja ühest väljundkihist nimetatakse kahekihiliseks. Õpialgoritmid- 1. Katseandmete kogumine: Identifitseeritava objekti sisendile antakse sisendväärtused (reeglina, need väärtused on juhuslikud). Objekti väljundis mõõdetakse nendele vastavaid väljundväärtusi. Identifitseerimine toimub sisendi ja väljundi etalonväärtuste alusel. Õpetamisprotsessi käigus õpib närvivõrk anda õigeid väljundväärtuseid teatud etalonväärtuste hulgas
ainult üks väljund, aga neid võib olla ka rohkem. Neuronite arv väljundkihil ongi närvivõrgu väljundite arv. Mitmekihilisel pertseptronil võib olla suvaline arv sisendeid ja väljundeid. Järelikult, see on auto-assotsiatiivsene närvivõrk. Sisendkihis ei toimu informatsiooni töötlust, ta ainult jaotab sisendsignaalid esimese peidetud kihi neuronite vahel. Seepärast seda kihti ei arvestata kihtide kokkulugemisel. See tähendab, et pertseptroni, mis koosneb ühest sisendkihist, ühest peidetud kihist ja ühest väljundkihist nimetatakse kahekihiliseks. Joonisel 1.10 toodud pertseptroni näide on kolmekihiline pertseptron. Iga neuroni sisend korrutatakse läbi vastava kaalukoefitsiendiga wijl , kus i on selle neuroni sisendi number, j - neuroni järjekorra number vaadeldavas kihis ja l on kihi number. Kaalutud neuroni sisendid summeeritakse ja lisandatakse neuroni nihe jl . Nendest summadest arvutatakse vaadeldava kihi kõikide neuronite väljundid
Väljundkihi neuronite ülesanne on arvutada võrgu väljundid. Neuronite arv väljundkihil ongi närvivõrgu väljundite arv. Mitmekihilisel pertseptronil võib olla suvaline arv sisendeid ja väljundeid. Järelikult, see on auto-assotsiatiivsene närvivõrk. Sisendkihis ei toimu informatsiooni töötlust, ta ainult jaotab sisendsignaalid esimese peidetud kihi neuronite vahel. Seepärast seda kihti ei arvestata kihtide kokkulugemisel. See tähendab, et ertseptroni, mis koosneb ühest sisendkihist, ühest peidetud kihist ja ühest väljundkihist nimetatakse kahekihiliseks. Õpialgoritmid. Õppimise ülesanded: Närvivõrgu sobivate parameetrite (konkreetse ülesande jaoks) valiku protsessi nimetatakse närvivõrgu õpetamiseks (või treenimiseks). 1.Katseandmete kogumine: Identifitseeritava objekti sisendile antakse sisendväärtused (reeglina on väärtused juhuslikud). Objekti väljundis mõõdetakse nendele vastavaid väljundväärtusi.
ainult üks väljund, aga neid võib olla ka rohkem. Neuronite arv väljundkihil ongi närvivõrgu väljundite arv. Mitmekihilisel pertseptronil võib olla suvaline arv sisendeid ja väljundeid. Järelikult, see on auto-assotsiatiivsene närvivõrk. Sisendkihis ei toimu informatsiooni töötlust, ta ainult jaotab sisendsignaalid esimese peidetud kihi neuronite vahel. Seepärast seda kihti ei arvestata kihtide kokkulugemisel. See tähendab, et pertseptroni, mis koosneb ühest sisendkihist, ühest peidetud kihist ja ühest väljundkihist nimetatakse kahekihiliseks. Joonisel 1.10 toodud pertseptroni näide on kolmekihiline pertseptron. Iga neuroni sisend korrutatakse läbi vastava kaalukoefitsiendiga wijl , kus i on selle neuroni sisendi number, j - neuroni järjekorra number vaadeldavas kihis ja l on kihi number. Kaalutud neuroni sisendid summeeritakse ja lisandatakse neuroni nihe jl . Nendest summadest arvutatakse vaadeldava kihi kõikide neuronite väljundid
annaabi.ee 
