Составители:
Рубрика:
33
результат умножается на производную от функции активации для
определения d
j
()
jjkjk
k
fh w
1
2 32
4
,
и вычисляется поправочный член
.
ij j i
wx1234
Изменение весов
9. Веса между скрытым и выходным слоями модифицируются сле"
дующим образом:
() () .
jk jk jk
wnew wold w123
Аналогичным образом изменяются веса между входным и скры"
тым слоями
() () .
ij ij ij
wnew wold w123
10. Проверка условия остановки.
Вычислительная схема алгоритма ОРО показана на рис. 1.13.
Рис. 1.13
Приведенный алгоритм осуществляет изменение весов после каж"
дого предъявления обучающего вектора, что определяет эпоху в ме"
тоде ОРО. Обычно требуется много эпох для обучения нейронной сети
методом ОРО.
Укажем несколько практических рекомендаций при использова"
нии этого алгоритма.
Выбор начальных значений весов. Этот этап выполнения алгорит"
ма оказывает влияние на достижение сетью глобального (или локаль"
ного) минимума функции ошибки и на скорость схождения к мини"
Страницы
- « первая
- ‹ предыдущая
- …
- 31
- 32
- 33
- 34
- 35
- …
- следующая ›
- последняя »
