Dynamika neuronové sítě

Podobně jako v případě jednotlivého neuronu můžeme rozlišit tři fáze ustavení a provozu umělé neuronové sítě, tři dynamiky.

Organizační dynamika specifikuje topologii sítě, ustavování sítě a případnou změnu architektury. Většinou bývá konstantní, ale nemusí. Můžeme rozlišit dvě základní organizační dynamiky cyklickou a acyklickou. Acyklickou lze vždy rozdělit do jednotlivých vrstev. V předchozí kapitole věnované jednotlivému neuronu nebyla organizační dynamika explicitně definována, neboť svého významu nabývá až v případě uspořádání více neuronů do struktury neuronové sítě. I tak bývá organizační dynamika ve většině případů konstantní a uplatňuje se pouze v adaptačním režimu, kdy dochází pro danou praktickou úlohu k hledání nejoptimálnější topologie sítě ve smyslu přidávání/ubírání neuronů a jejich uspořádání do vrstev. Optimalizace organizační dynamiky sítě může probíhat například pomocí genetických algoritmů.

V aktivní dynamice se neurony v sítě nacházejí v definovaném stabilním stavu, dojde k nastavení vstupních uzlů sítě, průběh vlastního výpočtu. Obecně je možné uvažovat spojitou funkci sítě, prakticky jde však o taktovaný systém s diskrétním časem, kdy v jednotlivých diskrétních krocích dochází k výpočtu odezvy neuronů. Stav výstupních neuronů představuje výstup neuronový sítě, výsledek výpočtu. Po ustálení aktivní dynamiky sítě máme na daný vstup k dispozici ustálený výstup daný stavem výstupních neuronů představující funkci, zobrazení sítě.

Adaptační dynamika představuje proces učení neuronové sítě, kdy dochází k nastavování vah jednotlivých neuronů sítě. Podobně jako výše můžeme uvažovat spojitou funkci, prakticky je nicméně tento proces opět rozdělen do jednotlivých diskrétních adaptačních kroků. Výsledkem procesu jsou nastavené váhy neuronové sítě, které vstupují do aktivní dynamiky sítě.