ВУЗ:
Составители:
49
6. Обучение искусственных нейронных сетей
Принципы и методы обучения
Способность к обучению является фундаментальным свойством мозга.
Наличие этого свойства в ИНС является наиболее характерной, и
привлекательной чертой, сближающей их с мозгом и отличающей от других
вычислительных систем.
В ИНС обучение рассматривается как настройка параметров сети для
решения поставленной задачи. В качестве таких параметров обычно выступают
синаптические коэффициенты (веса связей).
Кроме весов связей в параметры
сети могут включаться также пороги (смещения). Цель обучения ИНС – достичь
желаемой выходной реакции сети на некоторое множество входных сигналов
называемое обучающей выборкой. Входное и выходное множества сигналов
удобно интерпретировать как вектора. Процесс обучения ИНС осуществляется
путем последовательного предъявления входных векторов из обучающей
выборки с одновременной подстройкой
параметров сети в соответствии с
некоторой процедурой, называемой алгоритмом обучения. Процедура обучения
производится до тех пор, пока не будет достигнута желаемая выходная реакция
ИНС для всей обучающей выборки.
В математическом смысле обучение ИНС представляет собой
итерационную процедуру, направленную на такую подстройку параметров сети,
чтобы некоторый функционал качества обращался в оптимум
для всей
обучающей выборки. В роли такого функционала обычно используется
функция ошибки, характеризующая степень близости отображения входного
вектора в желаемый выходной. В общем случае функционал качества (функция
ошибки) может иметь произвольный вид, поэтому обучение ИНС превращается
в задачу многоэкстремальной невыпуклой многомерной оптимизации.
Для формирования процесса обучения необходимо, прежде всего, иметь
модель
внешней среды, в которой функционирует ИНС, т.е. определить
доступную для сети информацию. Эта модель определяет парадигму обучения.
В рамках определенной парадигмы обучения далее конструируются правила
подстройки параметров, т.е. конкретный алгоритм обучения.
Существуют три парадигмы обучения: «с учителем», «без учителя»
(самообучение) и смешанная.
Обучение с учителем (supervised learning) предполагает, что ИНС
располагает правильными ответами (выходными векторами) на каждый
входной образ (входной вектор). При обучении каждому входному вектору
обучающей выборки учитель ставит в соответствие целевой вектор, т.е.
правильную реакцию сети. Пара входного и целевого вектора называется
обучающей парой. Параметры сети подстраиваются так, чтобы ответы были
максимально близкими к
правильным.
Страницы
- « первая
- ‹ предыдущая
- …
- 47
- 48
- 49
- 50
- 51
- …
- следующая ›
- последняя »
