Интеллектуальный анализ данных в менеджменте. Кричевский М.Л. - 12 стр.

UptoLike

ВУЗ: 

СПб ГУАП | Санкт-Петербург

Составители: 

Рубрика: 

12
развитие было инициировано разработкой эффективного алгоритма
для определения весов в многослойных сетях со скрытыми слоями.
Данный метод, первоначально предложенный в 1974 г. П. Вербозом
(P. Werbos) в своей докторской диссертации, но незамеченный в сре"
де специалистов, в 1985 г. был изучен несколькими группами иссле"
дователей [6] и получил название метода обратного распространения
ошибки (Back Propagation Error – BPE). Этот обучающий алго"
ритм основан на простом, но очень эффективном принципе: веса
w
ij
изменяются итеративно таким образом, что выходной сигнал
отличается от требуемого выхода настолько мало, насколько это
возможно. Такое решение достигается использованием градиент"
ного метода, который дает требуемые изменения весов. Так как
действие сети основано на нелинейном отображении между вхо"
дом и выходом, то метод ВРЕ должен быть применен многократно
до тех пор, пока не будет достигнута сходимость. Появление этого
метода, позволяющего решать сложные задачи с помощью много"
слойных персептронов, оказало существенное влияние на пути даль"
нейшего развития теории ИНС.
1.2. Парадигмы обучения
Возможно, самым удобным принципом классификации искусст"
венных нейронных сетей являются парадигмы их обучения (иначе,
правила изменения и регулирования весов). Существуют три основ"
ных парадигмы обучения:
– супервизорное обучение (СО);
– несупервизорное обучение (НСО);
– усиленное обучение (УО).
Супервизорное обучение – наиболее часто используемый вид обу"
чения сетей и применяется в ИНС, предназначенных для классифи"
кации и предсказания.
Несупервизорное обучение применяется в задачах кластеризации
и сегментации для поддержки принимаемого решения.
Усиленное обучение находит применение в задачах оптимизации
и адаптивного управления и по сравнению с другими способами обу"
чения используется реже.
Рассмотрим более подробно указанные виды обучения.
Супервизорное обучение
Этот вид обучения эквивалентен программированию на приме"
рах. При таком подходе сети задается проблема, и ИНС ищет ре"
шение по известному соотношению «вход"выход». Здесь «учитель»

Страницы