Интеллектуальный анализ данных в менеджменте. Кричевский М.Л. - 13 стр.

UptoLike

Составители:

Рубрика:

(тренер) указывает, каким должен быть правильный ответ. Обу"

чающий алгоритм по разнице между правильным (требуемым) вы"

ходом и действительным выходом сети регулирует ее веса таким

образом, что в следующий момент времени (на следующем прохо"

де) выход сети будет ближе к правильному ответу. На входной слой

сети подается вектор входных параметров, а на выходной – соот"

ветствующий этому вектору номер класса. Схема СО приведена на

рис. 1.3. Такие примеры «вход"выход» сети должны быть предъяв"

лены десятки, сотни и даже тысячи раз прежде, чем сеть может

дать точный ответ на некоторую сложную проблему (например,

отнести новый, неизвестный сети объект к одному из классов, на

которые она обучена).

Рис. 1.3

Супервизорное обучение обычно используется, когда в наличии

имеется база данных примеров, содержащих вход и выход. По этой

базе ИНС может обучиться тому, как связаны вход и выход, и на

основании этого принять соответствующее решение. Сеть может

обучиться на сотнях (тысячах) примеров, выполненных лучшими

исполнителями фирмы, и это только тренируясь на предъявляе"

мых ей «учителем» примерах. Цель такой тренировки заключает"

ся в минимизации ошибки между правильным и реальным выхо"

дами сети.

Супервизорное обучение является полезным подходом для обу"

чения ИНС выполнять классификацию, аппроксимацию функций,

прогнозирование. Это особенно полезно в задачах, где данные дос"

тупны в форме пар «вход"выход», но неизвестно точное преобразо"

вание для обработки входного вектора с целью получения выхода.

Такая ситуация имеет место для данных, полученных статисти"

ческим путем, в задачах, которые являются нелинейными и име"

ют сложную связь между переменными.