Page 11 - 4703

При роботі мере-
жі у вхідні еле-
менти подаються
значення вхід-
них змінних, по-
тім послідовно
відпрацьовують
нейрони проміж-
них і вихідного
шарів. Кожен з
них обчислює
своє значення активації, беручи зважену суму виходів еле-
ментів попереднього шару і віднімаючи з неї порогове значен-
ня. Потім значення активації перетворюється за допомогою
функції активації, і в результаті виходить вихід нейрона. Після
того, як уся мережа відпрацює, вихідні значення елементів
вихідного шару беруться за вихід усієї мережі в цілому.

1.1.2 Навчання нейронних мереж

У попередньому розділі в дещо спрощеному виді було
описано, як нейронна мережа перетворить вхідні сигнали у
вихідні. Тепер виникає наступне важливе питання: як застосу-
вати нейронну мережу до рішення конкретної задачі?
Клас завдань, які можна вирішити за допомогою нейрон-
ної мережі, визначається тим, як мережа працює і тим, як вона
навчається. При роботі нейронна мережа набуває значень
вхідних змінних і видає значення вихідних змінних. Таким
чином, мережу можна застосовувати за ситуації, коли є певна
відома (апріорна) інформація, і ви хочете з неї отримати деяку
невідому інформацію.
Зрозуміло, зовсім не будь-яке завдання можна вирішити
за допомогою нейронної мережі. Якщо ви хочете визначити
результати лотереї, наклад якої відбудеться через тиждень,
знаючи свій розмір взуття, то навряд чи це вийде, оскільки ці
речі не пов'язані одна з одною. Отже, ми приходимо до другої
важливої умови застосування нейронних мереж: ви повинні
знати (чи хоч би мати серйозні підозри), що між відомими
вхідними значеннями і невідомими виходами є зв'язок. Цей

11