Page 57 - 4524
P. 57

до будь-якого заданого вагового вектора, дорівнює 1/k, k - чи-
                            сло нейронів Кохонена.
                                   Мережа швидко навчається. Час навчання в порівнянні
                            зі зворотним поширенням може бути в 100 разів менше.
                                   По своїх можливостях будувати відображення мережа
                            зустрічного  поширення  значно  перевершує  одношарові  пер-
                            цептрони.
                                   Мережа  корисна  для  застосувань,  у  яких  потрібно
                            швидка початкова апроксимація.
                                   Мережа дає можливість будувати  функцію  і  зворотну
                            до  неї,  що  знаходить  застосування  при  рішенні  практичних
                            задач.
                                  Модифікації.  Мережі  зустрічного  поширення  можуть
                            розрізнятися способами визначення початкових значень сина-
                            птичних ваг.
                                  Для  підвищення  ефективності  навчання  застосовується
                            додавання шуму до вхідних векторів.
                                  Ще один метод підвищення ефективності навчання - на-
                            дання кожному нейрону "почуття справедливості". Якщо ней-
                            рон стає переможцем частіше, ніж 1/k (k - число нейронів Ко-
                            хонена), то йому тимчасово збільшують поріг, даючи тим са-
                            мим навчатися й іншим нейронам.
                                  Крім "методу акредитації", при якому для кожного вхід-
                            ного вектора активується лише один нейрон Кохонена, може
                            бути  використаний  "метод  інтерполяції",  при  використанні
                            якого ціла група нейронів Кохонена, що мають найбільші ви-
                            ходи, може передавати свої вихідні сигнали в прошарок Грос-
                            берга.  Цей  метод  підвищує  точність  відображень,  реалізова-
                            них мережею.

                                  5.10 Ймовірнісна нейронна мережа

                                  Ймовірнісна нейронна мережа була розроблена Дональ-
                            дом  Спехтом  (Donald  Specht).  Ця  мережна  архітектура  була
                            вперше представлена у двох статтях : "Ймовірнісні нейронні
                            мережі  для  класифікації"  (Probabilistic  Neural  Networks  for
                            Classification) 1988, "Відображення або асоціативна пам'ять та
                            Ймовірнісні нейронні мережі" (Mapping or Associative Memory
                            and Probabilistic Neural Networks) 1990 р.


                                                           56
   52   53   54   55   56   57   58   59   60   61   62