Нейросетевые модели для систем информационной безопасности. Брюхомицкий Ю.А. - 50 стр.

UptoLike

ВУЗ: 

ТТИ ЮФУ | Таганрог

Составители: 

Рубрика: 

50
Процесс обучения начинается после задания начальных значений весов
сети. В общем случае они могут быть произвольными, например, нулевыми.
При наличии априорной информации об особенностях процесса обучения,
начальные значения весов могут выбираться из каких-либо дополнительных
соображений. При предъявлении очередного входного вектора обучающей
выборки выходной вектор сравнивается с целевым вектором, и по
разности этих
векторов алгоритм обучения производит коррекцию весов (а возможно и
порогов), с целью минимизировать эту разность (ошибку). Процедура
повторяется для всего обучающего множества до тех пор, пока ошибка по всему
обучающему множеству не достигнет приемлемо низкого уровня. Функция
ошибки численно определяет сходство фактических и целевых выходных
векторов сети для
всей обучающей выборки. Наиболее распространенной
функцией ошибки является среднеквадратичное отклонение:
2
T
11
A
)(
2
1
ik
L
k
N
i
ik
zzS −=
∑∑
==
,
где
ik
z
A
− фактический выходной сигнал нейрона i;
ik
z
T
− желаемый (целевой, терминальный) выходной сигнал нейрона i;
Ni ,1=
− число нейронов выходного слоя;
Lk ,1=
− размер обучающей выборки.
Используются также и другие функции ошибки.
Разновидностью обучения с учителем является критическая оценка
учителем правильности выходного сигнала сети без знания самого выходного
сигнала.
В зависимости от решаемой задачи в обучающей выборке используются те
или иные группы данных с различной размерностью. Входными данными
обучающей выборки могут быть,
например, таблицы чисел, сигналы,
изображения, распределения случайных величин и др. По типу входные и
выходные данные могут быть: бинарные (0 и 1), биполярные (-1 и 1), целые и
действительные числа из некоторого диапазона. Для решения практических
задач часто используются обучающие выборки большого объема и большой
размерности. Из-за ограниченного объема оперативной памяти компьютера
разместить в
ней такие обучающие выборки может оказаться невозможным. В
этих случаях обучающая выборка делится на страницы – группы примеров. В
каждый отрезок времени лишь одна страница примеров располагается в
оперативной памяти компьютера, остальные – во внешней памяти. Страницы
последовательно загружаются в оперативную память компьютера. Обучение
сети происходит по всей совокупности страниц-примеров, т.
е. по всей
обучающей выборке.

Страницы