Page 160 - 4196
P. 160

 1
           де  f   - сигмоїд;  k  - число нейронів в n   шарі із вра-
           хуванням  додаткового  нейрону,  який  задає  зсув  +1;
             n   1   n
            y       x   - i -й вхід  j-го нейрону  n -го шару.
             i       ij
                 За входи мережі приймаємо  x    1    y  0  , де  e- розмі-
                                                e
                                                      e
           рність еталону.
                 2 За формулою (4.93) обчислюємо        N   для вихід-
           ного  N -го шару; за формулами (4.94) або (4.95) – попра-
           вки ваг  W   N   для  N -го шару.
                 3 Повторюємо обчислення пункту 2 для усіх інших
           шарів  n   N   , 1  N   2 ,..., 1, тобто в зворотному порядку.
                 4 Скоректувати усі ваги НС

                             n       n          n
                         W      Wt   t    1    W   t .
                           ij        ij            ij
                 5 Якщо похибка мережі   WE     суттєва, перейти до
           п.1.
                 На кроці 1 почергово у випадковому порядку пода-
           ються  усі  навчальні  об’єкти.  Перед  початком  навчання
           мережі усім вагам надаються невеликі випадкові значен-
           ня.


                 4.9.5 Алгоритми навчання „без вчителя”

                 Алгоритми навчання нейронних мереж без вчителя
           дозволяють  виявляти  особливості  організації  структури
           даних,  виконувати  аналіз,  категоризацію  та  стиснення
           даних. Процес навчання, як і у випадку навчання з вчите-
           лем, полягає у коректування вагових коефіцієнтів на ос-
           нові інформації про стан нейронів. За аналогією із відо-
           мими  принципами  самоорганізації  нервових  клітин  по-
           будовані алгоритми навчання Хебба.

                 1 Алгоритми навчання Хебба
                 Сигнальний метод навчання Хебба полягає у  зміні
           вагових коефіцієнтів згідно правилу


                                       160
   155   156   157   158   159   160   161   162   163   164   165