| 摘要 |
UNA RED NEURONAL PROBABILISTICA (PNN) COMPRENDE UNA CAPA L1 DE NODOS DE ENTRADA, UNA CAPA L2 DE NODOS DE ORIGINALES, UNA CAPA L3 DE NODOS PRIMARIOS PARZEN, UNA CAPA L4 DE NODOS DE SUMA, Y OPCIONALMENTE UNA CAPA L5 DE NODOS DE SALIDA. CADA NODO DE ORIGINALES DETERMINA EL GRADO DE ADAPTACION ENTRE UN VECTOR ORIGINAL RESPECTIVO Y UN VECTOR DE ENTRADA Y ALIMENTA A UN NODO PARZEN PRIMARIO RESPECTIVO. LOS NODOS DE ORIGINAL Y PARZEN PRIMARIO ESTAN AGRUPADOS EN CLASES DE DISEÑO, CON UN NODO DE SUMA PARA CADA CLASE QUE COMBINA LAS SALIDAS DE LOS NODOS PARZEN PRIMARIOS PARA LA CLASE Y ALIMENTA UN CORRESPONDIENTE NODO DE SALIDA. LA RED INCLUYE PARA CADA NODO PARZEN PRIMARIO (P.EJ. L3-2-3P) PARA LAS CLASES DE DISEÑO UN SEGUNDO NODO PARZEN (L-3-2-3S) SECUNDARIO, TODOS LOS NODOS PARZEN SECUNDARIOS ALIMENTAN UN NODO (L4-0) DE SUMA DE CLASE NULA. CADA NODO PARZEN SECUNDARIO TIENE UNA FUNCION PARZEN CON UNA AMPLITUD DE PICO INFERIOR Y UNA EXTENSION MAS AMPLIA QUE EL CORRESPONDIENTE NODO PARZEN PRIMARIO, Y ES ALIMENTADO DESDE EL NODO DE ORIGINALES POR EL NODO PARZEN PRIMARIO. EL NODO PARZEN SECUNDARIO DETECTA EN EFECTO VECTORES DE ENTRADA QUE SON "SUFICIENTEMENTE DIFERENTES" DE LAS CLASES DE DISEÑO - QUE SON, VECTORES DE CLASE NULA. LA RED ES APLICABLE A RECONOCIMIENTO Y AUTENTIFICACION DE BILLETES, LA CLASE NULA CORRESPONDE A BILLETES FALSIFICADOS. |
