Обучение ИНС и обучающие алгоритмы.

ИНС обучается из своего опыта. Обычный процесс обучения включает три задачи:

1. Вычислить выходы.

2. Сравнить выходы с желаемыми целями.

3. Регулировать веса и повторить процесс.

Процесс обучения начинается с установления весов, как некотором правилам, так и случайно. Разница между действительным выходом (Y или Y_t) и желаемым выходом (Z) для данного набора входов является ошибкой, называемой «дельта».

Целью является минимизировать дельту (или лучше, уменьшить ее до 0).

Уменьшение дельты выполняется изменением весов. Важно изменять веса в правильном направлении, деля изменения, которые действительно уменьшают дельту.

Обработка информации ИНС состоит в попытке распознать образцы деятельности (распознавание образов). В процессе стадий обучения взаимосвязанные веса меняются в ответ на обучающие данные, представленные системе.

Различные ИНС вычисляют дельту различными способами, в зависимости от используемых обучающих алгоритмов.

Для различных ситуаций и конфигураций разработаны несколько десятков обучающих алгоритмов.

В таблице 6.3. представлены наиболее известные обучающие алгоритмы и связанные с ними архитектуры сетей (список не является исчерпывающим). В последней колонке перечислены задачи, для которых может быть применен каждый алгоритм. Каждый алгоритм обучения ориентирован на сеть определенной архитектуры и предназначен для ограниченного класса задач.

Дадим краткие характеристики типов архитектур ИНС и некоторых обучающих алгоритмов.

Таблица 6.3
Известные алгоритмы обучения.

Парадигма	Обучающее правило	Архитектура	Алгоритм обучения	Задача
С учителем	Коррекция ошибки	Однослойный и многослойный перцептрон	Алгоритмы обучения перцептрона Обратное распространение Adaline и Madaline	Классификация образов Аппроксимация функций Предскащание, управление
	Больцман	Рекуррентная	Алгоритм обучения Больцмана	Классификация образов
	Хебб	Многослойная прямого распространения	Линейный дискриминантный анализ	Анализ данных Классификация образов
	Соревнование	Соревнование	Векторное квантование	Категоризация внутри класса Сжатие данных
		Сеть ART	ARTMap	Классификация образов
Без учителя	Коррекция ошибки	Многослойная прямого распространения	Проекция Саммона	Категоризация внутри класса Анализ данных
	Хебб	Прямого распространения или соревнование	Анализ главных компонентов	Анализ данных Сжатие данных
		Сеть Хопфилда	Обучение ассоциативной памяти	Ассоциативная память
	Соревнование ⇐ Предыдущая3456789101112Следующая ⇒ 
			Последнее изменение этой страницы: 2018-06-01; просмотров: 306. stydopedya.ru не претендует на авторское право материалов, которые вылажены, но предоставляет бесплатный доступ к ним. В случае нарушения авторского права или персональных данных напишите сюда...