logo
9АБCД Нечётки е технологии (УЧЕБНИК) (Восстановлен)11 (2)

6.6. Алгоритм настройки нейронной сети

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.

  1. Представить входной и выходной образы из обучающей выборки.

Пусть текущий входной образ,- текущий выходной образ из обучающей выборки, гдечисло 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.

  1. 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 .

  1. Провести модификацию весов связей.

Начиная от выходного слоя и, двигаясь в обратном направлении, необходимо изменять веса связей следующим образом:

(6.20)

где вес связи междум им нейронами нам шаге;

скорость обучения;

скорость изменения ошибки для нейронапри 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?