337 Типы алгоритмов. Способы записи алгоритма.

Способы записи алгоритмов

Для записи алгоритмов используют самые разнообразные средства. Выбор средства определяется типом исполняемого алгоритма. Выделяют следующие основные способы записи алгоритмов:

- вербальный, когда алгоритм описывается на человеческом языке;

- символьный, когда алгоритм описывается с помощью набора символов;

- графический, когда алгоритм описывается с помощью набора графических изображений.

Общепринятыми способами записи являются графическая запись с помощью блок-схем и символьная запись с помощью какого-либо алгоритмического языка.

Описание алгоритма с помощью блок-схем осуществляется рисованием последовательности геометрических фигур, каждая из которых подразумевает выполнение определенного действия алгоритма. Порядок выполнения действий указывается стрелками. Написание алгоритмов с помощью блок-схем регламентируется ГОСТом.

В зависимости от последовательности выполнения действий в алгоритме выделяют алгоритмы линейной, разветвленной и циклической структуры.

В алгоритмах линейной структурыдействия выполняются последовательно одно за другим:

В алгоритмах разветвленной структурыв зависимости от выполнения или невыполнения какого-либо условия производятся различные последовательности действий. Каждая такая последовательность действий называетсяветвью алгоритма.

В алгоритмах циклической структурыв зависимости от выполнения или невыполнения какого-либо условия выполняется повторяющаяся последовательность действий, называющаясятелом цикла.Вложеннымназывается цикл, находящийся внутри тела другого цикла. Различают циклы спредусловием и послеусловием:

 

Итерационнымназывается цикл, число повторений которого не задается, а определяется в ходе выполнения цикла. В этом случае одно повторение цикла называетсяитерацией.

338 Типы нейронных сетей и их обозначение. Понятие логически прозрачных нейронных сетей.

типы нейронных сетей, отличающихся структурой и назначением:

Иерархические сети.Информация в таких сетях передается в процессе последовательного перехода от одного уровня иерархии к другому. Нейроны образуют два характерных типа соединений — конвергентные, когда большое число нейронов одного уровня контактирует с меньшим числом нейронов следующего уровня, и дивергентные, в которых контакты устанавливаются со все большим числом нейронов последующих слоев иерархии.

Локальные сети,формируемые нейронами с ограниченными сферами влияния. Нейроны локальных сетей производят переработку информации в пределах одного уровня иерархии. При этом функционально локальная сеть представляет собой относительно изолированную тормозящую или возбуждающую структуру.

Важную роль также играют так назыв-мые дивергентные сети с одним входом.Командный нейрон, находящийся в основании такой сети может оказывать влияние сразу на множество нейронов, и поэтому сети с одним входом выступают согласующим элементом в сложном сочетании нейросетевых сист. всех типов.

Понятие логически прозрачных нейронных сетей(НС)

Многие польз-ли считают главным недостатком НС то, что из обученной сети нельзя извлечь алгоритм решения задачи. Т.О. НС позволяют получать неявные знания из данных. Однако, в 1995 году была сформулирована идея логически прозрачных сетей, то есть сетей, на основе структуры кот-х м.получить описание алгоритма получения ответа. Это достигается при помощи спец. образом построенной процедуры контрастирования. После получения логически прозрачной нейронной сети наступает этап построения вербального описания (формирования явных знаний).

Зададимся классом сетей, которые будем считать логически прозрачными (то есть такими, которые решают задачу понятным для нас способом, для которого легко сформулировать словесное описания в виде явного алгоритма). Зададимся нейронной сетью у которой все входные сигналы подаются на все нейроны входного слоя, а все нейроны каждого следующего слоя принимают выходные сигналы всех нейронов предыдущего слоя. Обучим сеть безошибочному решению задачи.

После этого будем производить контрастирование в несколько этапов. На первом этапе будем контрастировать только веса связей нейронов входного слоя. Если после контрастирования у некоторых нейронов осталось больше трех входных сигналов, то увеличим число входных нейронов. Затем аналогичную процедуру произведем поочередно для всех остальных слоев. После завершения описанной процедуры будет получена логически прозрачная сеть. Можно произвести дополнительное контрастирование сети, чтобы получить минимальную сеть. На рис. 1 приведены восемь минимальных сетей. Если под логически прозрачными сетями понимать сети, у которых каждый нейрон имеет не более трех входов, то все сети кроме пятой и седьмой являются логически прозрачными. Пятая и седьмая сети демонстрируют тот факт, что минимальность сети не влечет за собой логической прозрачности/