Моделирование искусственных нейронных сетей в системе MATLAB. Часть 1. Введение. Донской Д.А - 21 стр.

UptoLike

ВУЗ: 

ПГУ | Пенза

Составители: 

Рубрика: 

21
Лабораторная работа № 3
Процедуры настройки параметров
персептронных нейронных сетей.
Правила настройки
Цель работы: изучение процедуры настройки параметров пер-
септронных нейронных сетей и реализация правил настройки в сис-
теме MATLAB.
Общие сведения
Определим процесс обучения персептрона как процедуру на-
стройки весов и смещений с целью уменьшить разность между же-
лаемым (целевым) и истинным сигналами на его выходе, используя
некоторое правило настройки (обучения). Процедуры обучения де-
лятся на 2 класса: с учителем и без учителя.
При обучении с учителем задается множество примеров требуе-
мого поведения
сети, которое называется обучающим множеством
{
p
1
, t
1
}, {p
2
, t
2
},…,{p
Q
, t
Q
}. (1)
Здесь
p
1
, p
2
, …, p
Q
– входы персептрона, а t
1
, t
2
,…, t
Q
– требуемые
(целевые) выходы.
При подаче входных сигналов выходы персептрона сравниваются
с целями. Правило обучения используется для настройки весов и
смещений персептрона так, чтобы приблизить значения выхода к це-
левому значению. Алгоритмы, использующие такие правила обуче-
ния, называются алгоритмами обучения с учителем. Для их успеш-
ной реализации необходимы эксперты, которые должны
предвари-
тельно сформировать обучающие множества. Разработка таких алго-
ритмов рассматривается как первый шаг в создании систем искусст-
венного интеллекта.
В этой связи ученые не прекращают спора на тему, можно ли счи-
тать алгоритмы обучения с учителем естественными и свойственны-
ми природе, или они созданы искусственно. Например, обучение че-
ловека, на
первый взгляд, происходит без учителя: на зрительные,
слуховые, тактильные и прочие рецепторы поступает информация 
              Лабораторная работа № 3
    Процедуры настройки параметров
    персептронных нейронных сетей.
           Правила настройки
   Цель работы: изучение процедуры настройки параметров пер-
септронных нейронных сетей и реализация правил настройки в сис-
теме MATLAB.
                       Общие сведения
   Определим процесс обучения персептрона как процедуру на-
стройки весов и смещений с целью уменьшить разность между же-
лаемым (целевым) и истинным сигналами на его выходе, используя
некоторое правило настройки (обучения). Процедуры обучения де-
лятся на 2 класса: с учителем и без учителя.
   При обучении с учителем задается множество примеров требуе-
мого поведения сети, которое называется обучающим множеством
                       {p1, t1}, {p2, t2},…,{pQ, tQ}.                (1)
   Здесь p1, p2, …, pQ – входы персептрона, а t1, t2 ,…, tQ – требуемые
(целевые) выходы.
   При подаче входных сигналов выходы персептрона сравниваются
с целями. Правило обучения используется для настройки весов и
смещений персептрона так, чтобы приблизить значения выхода к це-
левому значению. Алгоритмы, использующие такие правила обуче-
ния, называются алгоритмами обучения с учителем. Для их успеш-
ной реализации необходимы эксперты, которые должны предвари-
тельно сформировать обучающие множества. Разработка таких алго-
ритмов рассматривается как первый шаг в создании систем искусст-
венного интеллекта.
   В этой связи ученые не прекращают спора на тему, можно ли счи-
тать алгоритмы обучения с учителем естественными и свойственны-
ми природе, или они созданы искусственно. Например, обучение че-
ловека, на первый взгляд, происходит без учителя: на зрительные,
слуховые, тактильные и прочие рецепторы поступает информация


                                  21

Страницы