Bithreshold neurons learning

Artificial neural networks on the base of neural-like computational units have many applications and are intensively used for solving numerous important practical tasks. It is common that the threshold unit is incapable solving many rather easy recognition tasks. The using of neurons with more complicated activation functions allowed surmounting this constrain. Although there were multi-threshold neural units designs, the efficient learning techniques for multi-threshold neuron based neural networks weren't developed. The paper presents the study of simplest case of multi-threshold units, namely bithreshold neurons.

---

Sztuczne sieci neuronowe jako podstawa neuronopodobnych jednostek obliczeniowych mają wiele zastosowań i są intensywnie wykorzystywane do rozwiązywania wielu ważnych zadań praktycznych. Oczywiste jest, że jednostka wykorzystująca progowanie nie jest w stanie rozwiązać wielu, raczej łatwych zadań rozpoznawania. Za pomocą neuronów z bardziej komplikowanymi funkcjami aktywacji możliwie staje się przezwyciężenie tego ograniczenia. Pomimo faktu, że opracowano neurony wielo-progowe, to brak było skutecznych technik ich uczenia. W artykule przedstawiono badania najprostszego przypadku multi-progowych jednostek, a mianowicie neuronów dwuprogowych.