Нейронные сети и нейроконтроллеры. Бураков М.В. - 75 стр.

75

Достоинство АОРО заключается в том, что он обобщается для

ИНС ПР с любым число слоев.

Алгоритм обратного распространения ошибки нашел примене-

ние в ряде прикладных разработок. Особенно впечатляющие успе-

хи достигнуты при распознавании печатных букв, когда эффектив-

ность алгоритма близка к 100%. Однако применение АОРО в дру-

гих задачах может быть затруднено ввиду причин, характерных

для градиентных алгоритмов минимизации:

• при больших значениях сигмоидной функции ее производная

Ускорения работы алгоритма можно добиться при использова-

нии переменной скорости обучения η. В начале работы АОРО ее ве-

личина имеет значение, близкое к единице, а затем последователь-

но уменьшается примерно до 0,01. Это позволяет быстро подойти к

окрестности минимума, а затем точно попасть в него.

Однако локальность АОРО является принципиальным ограни-

чением его использования. Если функция ошибки имеет сложный

характер, то требуется использовать методы случайного поиска.

Тем не менее АОРО может быть успешно применен во многих прак-

тических задачах, некоторые из которых будут рассмотрены далее.

0 0 0 0 1 1 1 1 0 0 0 0 1 1 1 1;

0 0 1 1 0 0 1 1 0 0 1 1 0 0 1 1;

0 1 0 1 0 1 0 1 0 1 0 1 0 1 0 1]

Выходной вектор:

>> out=[0 1 1 0 1 0 0 1 1 0 0 1 0 1 1 0]