Главная > Нейронные сети для обработки информации
НАПИШУ ВСЁ ЧТО ЗАДАЛИ
СЕКРЕТНЫЙ БОТ В ТЕЛЕГЕ
<< Предыдущий параграф Следующий параграф >>
Пред.
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
140
141
142
143
144
145
146
147
148
149
150
151
152
153
154
155
156
157
158
159
160
161
162
163
164
165
166
167
168
169
170
171
172
173
174
175
176
177
178
179
180
181
182
183
184
185
186
187
188
189
190
191
192
193
194
195
196
197
198
199
200
201
202
203
204
205
206
207
208
209
210
211
212
213
214
215
216
217
218
219
220
221
222
223
224
225
226
227
228
229
230
231
232
233
234
235
236
237
238
239
240
241
242
243
244
245
246
247
248
249
250
251
252
253
254
255
256
257
258
259
260
261
262
263
264
265
266
267
268
269
270
271
272
273
274
275
276
277
278
279
280
281
282
283
284
285
286
287
288
289
290
291
292
293
294
295
296
297
298
299
300
301
302
303
304
305
306
307
308
309
310
311
312
313
314
315
316
317
318
319
320
321
322
323
324
325
326
327
328
329
330
331
След.
Макеты страниц

Распознанный текст, спецсимволы и формулы могут содержать ошибки, поэтому с корректным вариантом рекомендуем ознакомиться на отсканированных изображениях учебника выше

Также, советуем воспользоваться поиском по сайту, мы уверены, что вы сможете найти больше информации по нужной Вам тематике

ДЛЯ СТУДЕНТОВ И ШКОЛЬНИКОВ ЕСТЬ
ZADANIA.TO

2.1. Персептрон

Простой персептрон - это обычная модель МакКаллока-Питса с соответст вующей стратегией обучения [51]. Структурная схема и обозначения элементов, персептрона представлены на рис. 1.3. Весовые коэффициенты входов сумматора, на которые поступают входные сигналы обозначаются а пороговое значение, поступающее с так называемого поляризатора, - Нелинейная функция активации персептрона представляет собой дискретную функцию ступенчатого типа, вследствие чего выходной сигнал нейрона может принимать только два значения - 0 или 1 в соответствии с правилом

О для и <О где обозначен выходной сигнал сумматора

В приведенной формуле подразумевается, что имеющий длину вектор х дополнен нулевым членом формирующим сигнал поляризации, Обучение персептрона требует наличия учителя и состоит в таком подборе весов чтобы выходной сигнал был наиболее близок к заданному значению Это обучение гетероассоциативного типа, при котором каждой обучающей выборке, представляемой вектором х, априори поставлено в соответствие ожидаемое значение на выходе нейрона.

Наиболее популярный метод обучения персептрона состоит в применении правила персептрона [1, 51, 114, 135], в соответствии с которым подбор весов осуществляется по следующему алгоритму:

• При первоначально выбранных (как правило, случайным образом) значениях весов на вход нейрона подается обучающий вектор х и рассчитывается значение выходного сигнала По результатам сравнения фактически полученного значения, - с заданным значением уточняются значения весов.

• Если значение совпадает с ожидаемым значением то весовые коэффициенты не изменяются.

• Если а соответствующее заданное значение то значения весов уточняются в соответствии с формулой обозначает номер предыдущего цикла, а - номер текущего цикла.

• Если а соответствующее заданное значение то значения весов уточняются в соответствии с формулой обозначает номер предыдущего цикла, - номер текущего цикла.

По завершении уточнения весовых коэффициентов представляются очередной обучающий вектор х и связанное с ним ожидаемое значение и значения весов уточняются заново. Этот процесс многократно повторяется на всех обучающих выборках, пока не будут минимизированы различия между всеми

значениями и соответствующими им ожидаемыми значениями

Следует отметить, что правило персептрона представляет собой частный случай предложенного гораздо позже правила Видроу-Хоффа [114, 166]. В соответствии с этим правилом подбор весовых коэффициентов нейрона необязательно персептронного типа) проводится по формулам:

Аналогичные соотношения используются при подборе веса поляризатора для которого входной сигнал всегда равен 1, в связи с чем

Легко заметить, что если сигналы принимают только двоичные значения 0 и 1, то правило Видроу-Хоффа превращается в правило персептрона.

Характерная особенность как правила персептрона, так и обобщенного правила Видроу-Хоффа состоит в использовании для обучения информации только о текущем и ожидаемом значениях выходного сигнала. В связи с разрывностью нелинейной функции активации персептрона невозможно учитывать информацию об изменении значения (т.е. ее производную). Минимизация различий между фактическими реакциями нейрона у, и ожидаемыми значениями может быть представлена как минимизация конкретной функции погрешности (целевой функции) Е, чаще всего определяемой как

где означает количество предъявляемых обучающих выборок. Такая минимизация при использовании правила персептрона проводится по методу безградиентной оптимизации [51]. Эффективность метода при большом количестве обучающих выборок относительно невелика, а количество циклов обучения и его длительность возрастают очень быстро, причем без всякой гарантии достижения минимума целевой функции. Устранить эти недостатки можно только в случае применения непрерывной функции активации, при которой целевая функция Е также становится непрерывной, что дает возможность использовать в процессе обучения информацию о величине градиента.

1
Оглавление
email@scask.ru