Интеллектуальные информационные системы. Макаренко С.И. - 147 стр.

UptoLike

Составители: 

146
значения.
Данный метод обучения был назван Ф.Розенблаттом «методом
коррекции с обратной передачей сигнала ошибки». Имеется в виду передача
сигнала ошибка от выхода сети на ее вход, где и определяются, и
используются весовые коэффициенты. Позднее этот алгоритм назвали «α-
правилом».
Рисунок 15.6 - Обучение классической нейронной сети
Данный алгоритм относится к широкому классу алгоритмов обучения с
учителем, т.к. в нем считаются известными не только входные вектора, но и
значения выходных векторов, т.е. имеется учитель, способный оценить
правильность ответа ученика, причем в качестве последнего выступает
нейронная сеть.
Розенблаттом доказана «Теорема о сходимости обучения» по α-правилу.
Эта теорема говорит о том, что персептрон способен обучится любому
обучающему набору, который он способен представить. Но она ничего не
говорит о том, какие именно обучающие наборы он способен представить.
Эти алгоритмы обучения с учителем можно интерпретировать как
итерационное изменение положения разделяющей гиперплоскости при
обнаружении примеров неправильной классификации (рисунок 15.7).
           значения.

    Данный метод обучения был назван Ф.Розенблаттом «методом
коррекции с обратной передачей сигнала ошибки». Имеется в виду передача
сигнала ошибка от выхода сети на ее вход, где и определяются, и
используются весовые коэффициенты. Позднее этот алгоритм назвали «α-
правилом».




          Рисунок 15.6 - Обучение классической нейронной сети

    Данный алгоритм относится к широкому классу алгоритмов обучения с
учителем, т.к. в нем считаются известными не только входные вектора, но и
значения выходных векторов, т.е. имеется учитель, способный оценить
правильность ответа ученика, причем в качестве последнего выступает
нейронная сеть.
    Розенблаттом доказана «Теорема о сходимости обучения» по α-правилу.
Эта теорема говорит о том, что персептрон способен обучится любому
обучающему набору, который он способен представить. Но она ничего не
говорит о том, какие именно обучающие наборы он способен представить.
    Эти алгоритмы обучения с учителем можно интерпретировать как
итерационное изменение положения разделяющей гиперплоскости при
обнаружении примеров неправильной классификации (рисунок 15.7).




                                   146