Главная Случайная страница Контакты | Мы поможем в написании вашей работы! | ||
|
Приведен алгоритм настройки многослойной нейронной сети с использованием backpropagation-правила обучения (рис. 6.1. - 6.8.). Для его применения необходимо, чтобы нейроны имели непрерывно дифференцируемую нелинейную пороговую функцию активации. Пусть это будет сигмоидная функция поскольку она имеет простую производную.
Алгоритм обучения, в общем виде, состоит в следующем:
1. Задать начальные значения весов и порогов каждого нейрона.
Всем весам и порогам присваиваются малые случайные значения.
2. Представить входной и выходной образы из обучающей выборки.
Пусть текущий входной образ, - текущий выходной образ из обучающей выборки, где число нейронов входного слоя,
число нейронов выходного слоя. При этом (смещение) и .
При решении задач классификации образ может состоять из нулей, кроме одного элемента, равного 1, который и будет определять класс текущего выходного образа.
3. Рассчитать действительные значения выходов.
Значения выходов нейронов каждого слоя рассчитываются как
(6.19)
и передаются на входы нейронов следующего слоя. Выходные значения нейронов выходного слоя равны .
4. Провести модификацию весов связей.
Начиная от выходного слоя и, двигаясь в обратном направлении, необходимо изменять веса связей следующим образом:
(6.20)
где вес связи между м и м нейронами на м шаге;
скорость обучения;
скорость изменения ошибки для нейрона при предъявлении образа .
Для нейронов выходного слоя
(6.21)
для нейронов внутренних слоев
(6.22)
где под знаком суммы стоят величины, относящиеся к нейронам последующего слоя.
Рис. 6.6. Локализация возбуждения нейронов выходного слоя.
в г
Рис. 6.7. Матрица следования при обучении первому эталону:
а – общий вид; б – первый шаг преобразования матрицы следования;
в –вид после исключения нейронов В1, А1 и 6; г – после исключения
«невозбужденных» входов.
Рис. 6.8. Нейросеть, обученная первому эталону.
В результате имеем сеть (ее трассировку), обученную реакции на эталон одной комбинации событий, где единичные веса соответствуют жирным стрелкам.
Контрольные вопросы и задания для самостоятельной работы по главе 6
6.1. Понятие нейронных сетей. Однослойные искусственные нейронные сети?
6.2. Многослойные искусственные нейронные сети?
6.3. Архитектура сетей?
6.4.Обучение искусственных нейронных сетей?
6.5. Персептроны?
6.6.Нейронные сети Хопфилда и Хэмминга?
6.7.Нейронные сети и алгоритмы их обучения?
6.8. Гибридные нейронные сети, введение?
Дата публикования: 2015-09-17; Прочитано: 373 | Нарушение авторского права страницы | Мы поможем в написании вашей работы!