Page 159 - 4196

 1
де сумування виконується за k нейронами n  -го ша-
ру.
Позначимо

  n   E y  j    n  1 W n  1  y  j (4.92a)
j  k jk 
 y  S j k    S j
j
Ми отримали рекурентну формулу для розрахунку вели-
чин   n n -го шару за величинами  n  1 наступного
j k
n  -го шару.
 1
Для вихідного N -го шару нейронів

  n  y  N  d e  y  e (4.93)
e
e
s  e
Остаточно величина поправки вагових коефіцієнтів
дорівнює
 n  E  n n  1
 W       y  . (4.94)
ij j i
 W ij
Іноді для згладжування поправок при пересуванні по по-
верхні цільової функції їх коректують поправками з по-
передньої ітерації:
 1
 W  n   1t     W  n  t    W  n t  , (4.95)
ij ij ij

де  - коефіцієнт інерційності, t - номер ітерації.
Послідовність дій при обчисленнях за алгоритмом
оберненого поширення є такою:
1 Після подання на входи НМ одного із об’єктів-
еталонів знайти вихідні значення y  n нейронів n -го ша-
j
ру:

 n  0
y  f  S ,
j j
k
 n n  1  n
S   y W ,
j i ij
i 0
159