Нейросетевые модели для систем информационной безопасности. Брюхомицкий Ю.А. - 74 стр.

UptoLike

ВУЗ: 

ТТИ ЮФУ | Таганрог

Составители: 

Рубрика: 

74
полагать, что между подмножествами Ψ
1
, Ψ
2
, …, Ψ
m
могут быть построены
разделяющие гиперплоскости, т.е. Ψ
1
, Ψ
2
, …, Ψ
m
линейно разделимы.
Цель обучения состоит в том, чтобы при предъявлении на входы
перцептрона образа
k-класса – Х
k
(вектор из Ψ
k
) выходной сигнал перцептрона
(вектор Z) соответствовал кодировке этого
k-класса Ψ
k
. Если вместо выходного
слоя перцептрона используется мажоритарный элемент, то он должен при этом
выбрать из выходных сигналов рабочего слоя
z
l
, l=1, 2, …, m максимальное
значение
z
max
, которое будет соответствовать k-классу Ψ
k
.
Для определенности положим, что кодирование выходного вектора Z
перцептрона заключается в обращении некоторой компоненты z
l
этого вектора
в 1. Причем порядковый номер
l этой единичной компоненты в векторе Z будет
определять номер класса, а, значит, и – соответствовать максимальному
значению
z
max
выходных сигналов рабочего слоя. Т.е. обученный перцептрон
при предъявлении образа
k-класса – Х
k
(вектор из Ψ
k
) должен выдавать в
единственной –
k-й позиции вектора Z единичное значение (z
k
=1). Остальные
компоненты этого вектора должны быть нулевыми.
Модификация дельта-правила для
m классов состоит в том, что при
обучении в случае неправильной реакции перцептрона корректируются веса,
связанные с компонентами данного входного образа сразу в двух нейронных
ансамблях рабочего слоя: в том, который фактически имеет максимальный
выходной сигнал на предъявленный образ и в том, который должен иметь такой
сигнал. Причем соответствующие веса обоих
ансамблей корректируются на
одни и те же величины, но с разным знаком. В ансамбле, который фактически
имеет максимальный выходной сигнал, они уменьшаются, а в том, который
должен иметь такой сигнал, – увеличиваются. Результатом применения этого
правила будет уменьшение ошибки.
Пусть при обучении на входы перцептрона поступил образ
k-класса – Х
k
(вектор из Ψ
k
), а в выходном векторе Z перцептрона отличной от нуля оказалась
l-компонента – z
l
. Т.е. перцептрон ошибочно отнес образ k-класса к l-классу.
При этом,
k-классу соответствует выходной сигнал z
k
нейрона рабочего слоя, а
l
-классу– выходной сигнал z
l
другого нейрона этого слоя. Тогда разность этих
сигналов можно интерпретировать как величину и знак отклонения реального
выходного сигнала перцептрона от желаемого правильного:
δ =
z
k
– z
l
,
где
z
k
– выходной сигнал нейрона рабочего слоя, соответствующий
правильной классификации;
z
l
– выходной сигнал нейрона рабочего слоя, соответствующий
фактической классификации.
Коррекция соответствующих весов в обоих ансамблях рабочего слоя
осуществляется на одинаковые величины

Страницы