Методы искусственного интеллекта для машинного перевода текстов. Роганов В.Р - 39 стр.

UptoLike

ВУЗ: 

ПГУ | Пенза

Составители: 

Рубрика: 

39
либо задаче, разработчик сети должен найти оптимальные значения всех пере-
менных весовых коэффициентов (некоторые синаптические связи могут быть
постоянными).
Этот этап называется обучением ИНС, и от того, насколько качественно он
будет выполнен, зависит способность сети решать поставленные перед ней
проблемы во время эксплуатации. На этапе обучения кроме параметра качества
подбора весов
важную роль играет время обучения. Как правило, эти два пара-
метра связаны обратной зависимостью и их приходится выбирать на основе
компромисса.
Обучение ИНС может вестись с учителем или без него. В первом случае
сети предъявляются значения как входных, так и желательных выходных сиг-
налов, и она по некоторому внутреннему алгоритму
подстраивает веса своих
синаптических связей. Во втором случае выходы ИНС формируются самостоя-
тельно, а веса изменяются по алгоритму, учитывающему только входные и
производные от них сигналы.
Существует великое множество различных алгоритмов обучения, которые,
однако, делятся на два больших класса: детерминистские и стохастические. В
первом из них процесс подстройки весов представляет собой
жесткую последо-
вательность действий, во втором – он производится на основе действий, подчи-
няющихся некоторому случайному процессу.
Развивая дальше вопрос о возможной классификации ИНС, важно отме-
тить существование бинарных и аналоговых сетей. Первые из них оперируют с
двоичными сигналами, и выход каждого нейрона может принимать только два
значения: логический ноль ("заторможенное"
состояние) и логическая единица
("возбужденное" состояние). К этому классу сетей относится и рассмотренный
выше перцептрон, так как выходы его нейронов, формируемые функцией еди-
ничного скачка, равны либо 0, либо 1. В аналоговых сетях выходные значения
нейронов способны принимать непрерывные значения, что могло бы иметь ме-
сто после замены активационной функции нейронов перцептрона
на сигмоид. 
либо задаче, разработчик сети должен найти оптимальные значения всех пере-
менных весовых коэффициентов (некоторые синаптические связи могут быть
постоянными).
    Этот этап называется обучением ИНС, и от того, насколько качественно он
будет выполнен, зависит способность сети решать поставленные перед ней
проблемы во время эксплуатации. На этапе обучения кроме параметра качества
подбора весов важную роль играет время обучения. Как правило, эти два пара-
метра связаны обратной зависимостью и их приходится выбирать на основе
компромисса.
    Обучение ИНС может вестись с учителем или без него. В первом случае
сети предъявляются значения как входных, так и желательных выходных сиг-
налов, и она по некоторому внутреннему алгоритму подстраивает веса своих
синаптических связей. Во втором случае выходы ИНС формируются самостоя-
тельно, а веса изменяются по алгоритму, учитывающему только входные и
производные от них сигналы.
    Существует великое множество различных алгоритмов обучения, которые,
однако, делятся на два больших класса: детерминистские и стохастические. В
первом из них процесс подстройки весов представляет собой жесткую последо-
вательность действий, во втором – он производится на основе действий, подчи-
няющихся некоторому случайному процессу.
    Развивая дальше вопрос о возможной классификации ИНС, важно отме-
тить существование бинарных и аналоговых сетей. Первые из них оперируют с
двоичными сигналами, и выход каждого нейрона может принимать только два
значения: логический ноль ("заторможенное" состояние) и логическая единица
("возбужденное" состояние). К этому классу сетей относится и рассмотренный
выше перцептрон, так как выходы его нейронов, формируемые функцией еди-
ничного скачка, равны либо 0, либо 1. В аналоговых сетях выходные значения
нейронов способны принимать непрерывные значения, что могло бы иметь ме-
сто после замены активационной функции нейронов перцептрона на сигмоид.



                                                                          39

Страницы