Нейросетевая модель анализа хаотических сигналов на базе функции активации с настраиваемыми параметрами

Abstract

В работе рассматривается подход к организации и обучению нейронной сети, построенной на основе нелинейной функции активации с настраиваемыми параметрами. Применение метода позволяет увеличить адаптивные свойства нейросетевых моделей, снизить ограничения, связанные с жесткостью архитектуры традиционных многослойных нейронных сетей. В разделах 1 и 2 описана архитектура, особенности функции активации, алгоритм функционирования нейронной сети и математические основы предлагаемого метода. В разделе 3 представлен модифицированный алгоритм обратного распространения ошибки, применяемый для обучения нейронной сети рассматриваемой архитектуры. Раздел 4 описывает экспериментальные результаты применения нейросетевых моделей в задачах анализа и прогнозирования хаотических процессов Энона и Лоренца.