Page 27 - 4143

Таким чином, повний алгоритм навчання за допомогою процедури

зворотного розповсюдження будується в наступному порядку.

Крок 1. Подати на входи мережі один з можливих образів і в режимі
звичайного функціонування НМ, коли сигнали розповсюджуються
від входів до виходів, розрахувати значення останніх. Як було відзначено

раніше

M
( n) n (  )1 ( n)
s j   y i w ij , (1.34)
 i 0
де М - число нейронів в шарі (n -1) з урахуванням нейрона з постійним
вихідним станом +1, що задає зсув; y i (n-1) = x ij (n) i -й вхід нейрона j шару

п .
(n)
(n)
y = f(s ) , (1.35)
j
j
де f() - сигмоід.
(0)
Y q = I , (1.36)
q
де I - q -а компонента вектора вхідного образу.
q
Крок 2. Розрахувати  (N ) для вихідного шару за формулою (1.31).
Розрахувати за формулах (1.32) або (1.33) зміни вагових
(N)
коефіцієнтів Δw шару n.
Крок 3. Розрахувати по формулах (1.30) і (1.32) (або (1.30) і (1.32))
(n)
відповідно  і Δw для всієї решти шарів, n = N -1, ..., 1 .
(
) n
Крок 4. Скоректувати всі вагові коефіцієнти в НС
(n ) (n ) (n )
w ij (t )  w ij t   1   w ij (t ) . (1.37)

Крок 5. Якщо помилка мережі істотна, перейти на крок 1, інакше –
кінець.

На кроці 1, на входи мережі поперемінно у випадковому порядку

пред'являються всі тренувальні образи, щоби мережа, образно
кажучи, не забувала попередні по мірі запам'ятовування наступних.

Розглянутий алгоритм ілюструється рисунком 1.11.

27