Page 12 - 4703
P. 12

зв'язок  може  бути  спотворений  шумом    але  він  повинен
           існувати.
                Як правило, нейронна мережа використовується тоді, ко-
           ли  невідомий  точний  вид  зв'язків  між  входами  і  виходами  -
           якби  він  був  відомий,  то  зв'язок  можна  було  б  моделювати
           безпосередньо.  Інша  істотна  особливість  нейронних  мереж
           полягає  в  тому,  що  залежність  між  входом  і  виходом  знахо-
           диться  в  процесі  навчання  мережі.  Для  навчання  нейронних
           мереж застосовуються алгоритми двох типів (різні типи мереж
           використовують  різні  типи  навчання):  кероване  ("навчання  з
           вчителем") і некероване ("без вчителя"). Найчастіше застосо-
           вується  навчання  з  вчителем,  і  саме  цей  метод  ми  зараз
           розглянемо (про некероване навчання буде розказано пізніше).
                "Навчання з вчителем". Для керованого навчання ме-
           режі  користувач  повинен  підготувати  набір  навчальних  да-
           них. Ці дані повинні складатися з вхідних даних і виходів, що
           відповідають  їм.  Мережа  вчиться  встановлювати  зв'язок  між
           першими і другими Зазвичай навчальні дані беруться з попе-
           реднього досліду, тобто це апріорні дані.
                Потім  нейронна  мережа  навчається  за  допомогою  того
           або іншого алгоритму керованого навчання (найбільш відомим
           з них є метод зворотного поширення), при якому наявні дані
           використовуються  для  коригування  ваг  і  порогових  значень
           мережі так, щоб мінімізувати помилку прогнозу на навчальній
           множині. Якщо мережа навчена добре, вона набуває здатність
           моделювати невідому функцію, що зв'язує значення вхідних і
           вихідних  змінних,  і  згодом  таку  мережу  можна  використати
           для прогнозування за ситуації, коли вихідні значення невідомі.

                1.1.3 Збір даних для нейронної мережі

                Якщо завдання вирішуватиметься за допомогою нейрон-
           ної мережі, то необхідно зібрати дані для навчання. Навчаль-
           ний  набір  даних  є  набором  спостережень,  для  яких  вказані
           значення вхідних і вихідних змінних. Перше питання, яке тре-
           ба вирішити - які змінні використати і скільки (і яких) спосте-
           режень зібрати.
                Вибір  змінних  (принаймні  первинний)  здійснюється
           інтуїтивно. Ваш досвід роботи в цій предметній області допо-
           може визначити, які змінні є важливими. При роботі з пакетом

                                          12
   7   8   9   10   11   12   13   14   15   16   17