Интеллектуальные информационные системы. Макаренко С.И. - 151 стр.

UptoLike

Составители: 

150
3. Как влияют на результаты обучения последовательность
предъявления образов и их количество?
4. Имеет ли алгоритм обратного распространения ошибки
преимущества перед простым перебором весов?
5. Каким будет качество обучения, если обучающая выборка содержит
не все возможные на практике пары векторов и какими будут ответы
персептрона на новые вектора, отсутствующие в обучающей
выборке?
Особенно важным представляется последний вопрос, т.к.
индивидуальный опыт принципиально всегда не является полным.
15.6.4 Пример решения задачи нейроном
Представим себе, что необходимо решать задачу определения пола
студентов по их внешне наблюдаемым признакам.
Есть, конечно, и более надежные способы, но мы их рассматривать не
будем, т.к. они требуют дополнительных затрат для получения исходной
информации и превращают задачу в тривиальную.
Поэтому будем рассматривать такие описательные шкалы и градации:
1. Длина волос: длинные, средние, короткие.
2. Наличие брюк: да, нет.
3. Использование духов или одеколона: да, нет.
Составим таблицу для определения весовых коэффициентов
(таблица 15.1). Пусть столбцы этой таблицы соответствуют состояниям
нейрона, а строкидендритам, соединенным с соответствующими органами
восприятия, которые способны устанавливать наличие или отсутствие
соответствующего признака.
Таблица 15.1 – Определение весовых коэффициентов нейронов
непосредственно на основе эмпирических данных
Описательные шкалы и градации
Классификационные шкалы и градации
Юноши Девушки
Длина волос:
длинные 5 15
средние 10 10
короткие 15 5
Наличие брюк:
да; 30 10
нет 0 20
Использование духов или одеколона:
да; 5 20
нет 25 10
      3. Как влияют на результаты обучения               последовательность
         предъявления образов и их количество?
      4. Имеет ли алгоритм обратного распространения                    ошибки
         преимущества перед простым перебором весов?
      5. Каким будет качество обучения, если обучающая выборка содержит
         не все возможные на практике пары векторов и какими будут ответы
         персептрона на новые вектора, отсутствующие в обучающей
         выборке?
    Особенно   важным    представляется    последний     вопрос,          т.к.
индивидуальный опыт принципиально всегда не является полным.

                 15.6.4 Пример решения задачи нейроном

    Представим себе, что необходимо решать задачу определения пола
студентов по их внешне наблюдаемым признакам.
    Есть, конечно, и более надежные способы, но мы их рассматривать не
будем, т.к. они требуют дополнительных затрат для получения исходной
информации и превращают задачу в тривиальную.
    Поэтому будем рассматривать такие описательные шкалы и градации:
      1. Длина волос: длинные, средние, короткие.
      2. Наличие брюк: да, нет.
      3. Использование духов или одеколона: да, нет.
    Составим таблицу для определения весовых коэффициентов
(таблица 15.1). Пусть столбцы этой таблицы соответствуют состояниям
нейрона, а строки – дендритам, соединенным с соответствующими органами
восприятия, которые способны устанавливать наличие или отсутствие
соответствующего признака.
       Таблица 15.1 – Определение весовых коэффициентов нейронов
            непосредственно на основе эмпирических данных
                                        Классификационные шкалы и градации
      Описательные шкалы и градации         Юноши               Девушки
Длина волос:
– длинные                                      5                   15
– средние                                     10                   10
– короткие                                    15                   5
Наличие брюк:
– да;                                         30                   10
– нет                                          0                   20
Использование духов или одеколона:
– да;                                         5                    20
– нет                                         25                   10


                                      150