Составители:
Рубрика:
32
Алгоритм обучения сети
Алгоритм обучения сети представляет следующую последователь"
ность шагов.
1. Инициировать веса, приняв их малыми случайными величинами.
2. Если условие остановки не выполняется, делать шаги 3–10.
3. Для каждой обучающей пары выполнять шаги 4–9.
Прямой проход по сети
4. Каждая входная ячейка x
i
, i = 1, 2,..., n принимает входной
сигнал и распространяет его ко всем нейронам следующего (скрыто"
го) слоя.
5. Каждая ячейка скрытого слоя v
j
, j = 1, 2,..., q суммирует свои
взвешенные входные сигналы
,
jiji
i
hwx1
2
применяет к полученной сумме функцию активации, формируя вы"
ходной сигнал:
(),
jj
vfh1
который посылается ко всем ячейкам выходного слоя.
6. Каждая выходная ячейка y
k
, k = 1, 2,..., m суммирует взвешен"
ные сигналы
,
kjkj
j
hwv1
2
формируя после применения функции активации выходной сигнал
сети:
().
kk
yfh1
Обратное распространение ошибки
7. Каждая выходная ячейка сопоставляет свое значение выхода с
требуемой целевой величиной и вычисляет параметр d
k
()(),
kkk k
tyfh
1
23 4
после чего определяется корректировочный член для весов
,
jk k j
wv1234
а параметры d
k
посылаются в нейроны скрытого слоя.
8. Каждая скрытая ячейка v
j
суммирует свои d"входы от нейронов
выходного слоя
,
jkjk
k
hw1 2
3
Страницы
- « первая
- ‹ предыдущая
- …
- 30
- 31
- 32
- 33
- 34
- …
- следующая ›
- последняя »
