ВУЗ:
Составители:
17
перплоскостью, уравнение которой Θ=⋅
∑
=
n
i
ii
wx
1
. Следовательно, нейрон
способен отделить только такие два множества векторов входов, для кото-
рых имеется гиперплоскость, отсекающая одно множество от другого. Та-
кие множества называют линейно разделимыми. Проиллюстрируем это
понятие на примере. Рассмотрим однослойный персептрон, состоящий из
одного нейрона с двумя входами. Входной вектор содержит только две бу-
левы компоненты
1
x и
2
x , определяющие плоскость.
На данной плоскости возможные значения входных векторов отвеча-
ют вершинам единичного квадрата. В каждой вершине зададим требуемое
значение выхода нейрона: 1 (на рис. 8 – белая точка) или 0 (черная точка).
Требуется определить, существует ли такой набор весов и порогов нейро-
на, при котором нейрон сможет получить эти значения выходов? На рис
. 8
представлена одна из ситуаций, когда этого сделать нельзя вследствие ли-
нейной неразделимости множеств белых и черных точек.
Рис. 8. Белые точки не могут быть отделены одной прямой от черных
Требуемые выходы нейрона для этого рисунка определяются таблицей, в
которой легко узнать задание логической функции «исключающее или»
(XOR).
X1 X2 Y
0 0 0
1 0 1
0 1 1
1 1 0
Невозможность реализации однослойным перcептроном этой функции
получила название проблемы исключающего ИЛИ. Видно, что однослой-
ный персептрон крайне ограничен в своих возможностях точно предста-
вить наперед заданную логическую функцию.
Хотя данный пример нагляден, он не является серьезным ограничени-
ем для нейросетей. Функция XOR легко реализуется простейшей двух-
слойной сетью, причем многими способами
. Один из примеров такой сети
показан на рис. 9.
Весовые коэффициенты
22211211
,,, wwww первого слоя все равны еди-
Θ
=
⋅
+
⋅
2211
wxwx
n перплоскостью, уравнение которой ∑ xi ⋅ wi = Θ . Следовательно, нейрон i =1 способен отделить только такие два множества векторов входов, для кото- рых имеется гиперплоскость, отсекающая одно множество от другого. Та- кие множества называют линейно разделимыми. Проиллюстрируем это понятие на примере. Рассмотрим однослойный персептрон, состоящий из одного нейрона с двумя входами. Входной вектор содержит только две бу- левы компоненты x1 и x2 , определяющие плоскость. На данной плоскости возможные значения входных векторов отвеча- ют вершинам единичного квадрата. В каждой вершине зададим требуемое значение выхода нейрона: 1 (на рис. 8 белая точка) или 0 (черная точка). Требуется определить, существует ли такой набор весов и порогов нейро- на, при котором нейрон сможет получить эти значения выходов? На рис. 8 представлена одна из ситуаций, когда этого сделать нельзя вследствие ли- нейной неразделимости множеств белых и черных точек. x1 ⋅ w1 + x2 ⋅ w2 = Θ Рис. 8. Белые точки не могут быть отделены одной прямой от черных Требуемые выходы нейрона для этого рисунка определяются таблицей, в которой легко узнать задание логической функции «исключающее или» (XOR). X1 X2 Y 0 0 0 1 0 1 0 1 1 1 1 0 Невозможность реализации однослойным перcептроном этой функции получила название проблемы исключающего ИЛИ. Видно, что однослой- ный персептрон крайне ограничен в своих возможностях точно предста- вить наперед заданную логическую функцию. Хотя данный пример нагляден, он не является серьезным ограничени- ем для нейросетей. Функция XOR легко реализуется простейшей двух- слойной сетью, причем многими способами. Один из примеров такой сети показан на рис. 9. Весовые коэффициенты w11 , w12 , w21 , w22 первого слоя все равны еди- 17
Страницы
- « первая
- ‹ предыдущая
- …
- 15
- 16
- 17
- 18
- 19
- …
- следующая ›
- последняя »