ВУЗ:
Составители:
Рубрика:
)](1[)](1[1)(
2211
)1(
AAAAAmp
kkk µ+ξ−∧µ+ξ−∧=µ ,
где ξ
1
= µ
Σ1
(r
1
, r
2
, ..., r
N
); ξ
2
= µ
Σ2
(r
1
, r
2
, ……...…, r
N
). Учитывая выражение (81) запишем
)](1[)](1[1)(
1111
)1(
AAAAAmp
kkk µ−ξ+∧µ+ξ−∧=µ
,
а так как справедливо равенство (1 – a + b) &(1 + a – b) = 1 – |a + b|, то имеем
|])(|1[1)(
11
)1(
AAAmp
kk µ+ξ−∧=µ .
Отсюда следует, что функция µ
mp
(1)
достигает своего наибольшего значения единицы при таком k
A
,
при котором µ
А1
(k
A
) = ξ
1
, т.е.
)(
1
1
ξµ=
−
A
A
k , (83)
где
{
}
)(minmax
,1
,1
1
iji
Ni
Kj
rµ=ξ
=
=
. (84)
Тогда степень аналогичности входных параметров объекта p относительно входных параметров но-
вого объекта q это такое значение k
A
∈ [0,1], определяемое выражением (83), при котором схема вывода
(82) имеет наибольшую степень истинности правила modus ponens.
5 ПРИНЯТИЕ РЕШЕНИЯ В НЕЙРОСЕТЕВЫХ СИСТЕМАХ
Очевидно, чтобы система хорошо работала и решала практические задачи, необходимо ее обучить.
Если говорить в общем, то обучение это относительно постоянный процесс изменения поведения при
поступлении жизненного опыта. Если говорить о человеке, то результат его обучения оценивается по
действиям и поступкам. Обучение же нейронных сетей – более прямой процесс.
Обучение нейронных сетей рассматривается как процесс аппроксимации непрерывной функции
y(X) другой функцией Y(W, X), где X = [x
1
, x
2
, ..., x
n
]
t
– входной вектор, а W = [w
1
, w
2
, ..., w
n
]
t
– вектор ве-
совых коэффициентов.
Задача обучения состоит в выборе вектора W, такого что достигается лучшая аппроксимация, т.е.
ρ(Y(W
*
, X), y(X)) ≤ ρ (Y(W
*
, X), y(X)), (85)
где ρ(Y(W, X), y(X) ) – функция расстояния, которая определяет значение качества аппроксимации меж-
ду Y(W, X) и y(X)).
Все алгоритмы обучения делятся на две большие группы: с учителем и без учителя.
Рассмотрим алгоритм обучения с учителем многослойной нейронной сети. Предполагается, что в
каждый момент времени вместе с входами формируется желаемое значение выхода d, которое поступа-
ет от учителя (рис. 20).
y
cигнал
обучения d
ρ
(d, y)
СЕТЬ W
Определение
расстояния
x
Рис. 20
По значениям реального выхода и желаемого выхода формируется ошибка, которая используется
для корректировки параметров нейронной сети. Множество входных и выходных образцов, называемых
обучающим множеством, является необходимым для такого способа обучения. "Учитель" оценивает
