<<
>>

ОБУЧЕНИЕ ПЕРСЕПТРОНА

В 1957 г. Розенблатт [4] разработал модель, которая вызвала большой интерес у исследователей. Несмотря на некоторые ограничения ее исходной формы, она стала основой для многих современных, наиболее сложных алгоритмов обучения с учителем.

Персептрон является настолько важным, что вся гл. 2 посвящена его описанию; однако это описание является кратким и приводится в формате, несколько отличном от используемого в [4]. Персептрон является двухуровневой, нерекуррентной сетью, вид которой показан на рис. Б.3. Она использует алгоритм обучения с учителем; другими словами, обучающая выборка состоит из множества входных векторов, для каждого из которых указан свой требуемый вектор цели. Компоненты входного вектора представлены непрерывным диапазоном значений; компоненты вектора цели являются двоичными величинами (0 или 1). После обучения сеть получает на входе набор непрерывных входов и вырабатывает требуемый выход в виде вектора с бинарными компонентами. Рис. Б.3. Однослоиная нейронная сеть Обучение осуществляется следующим образом: 1. Рандомизируются все веса сети в малые величины. 2. На вход сети подается входной обучающий вектор Х и вычисляется сигнал NET от каждого нейрона, используя стандартное выражение . 3. Вычисляется значение пороговой функции активации для сигнала NET от каждого нейрона следующим образом: OUTj = 1, если NETj больше чем порогθj, OUTj = 0  в противном случае. Здесь θj представляет собой порог, соответствующий нейрону j (в простейшем случае, все нейроны имеют один и тот же порог). 4. Вычисляется ошибка для каждого нейрона посредством вычитания полученного выхода из требуемого выхода: errorj = targetj – OUTj. 5. Каждый вес модифицируется следующим образом: Wij(t+1) = wij(t) +axierrorj. 6. Повторяются шаги со второго по пятый до тех пор, пока ошибка не станет достаточно малой.
<< | >>
Источник: Ф. Уоссермен. Нейрокомпьютерная техника: Теория и практика. 1992

Еще по теме ОБУЧЕНИЕ ПЕРСЕПТРОНА: