Page 15 - 4848

2.3.2 Схема алгоритму розрахунку

Спочатку приймемо задовільняючу нас E min  . 0 05 і довільно
c  , 1   1, матрицю W .
0
Ітерація n (n змінюється від 1 до деякого значення, обумовленого
критерієм останова алгоритму) складається з декількох кроків, число яких
дорівнює кількості об'єктів (букв). Наприкінці кожної ітерації необхідно
відслідковувати значення матриці ваг W і помилки e , значення якої на
n
n
початку кожної ітерації обнуляється (e n  0 ). Критерієм зупинки
алгоритму є досягнення значення помилки менше заданого ( E min  . 0 05)

наприкінці ітерації.
Крок i (i змінюється від 1 до кількості об'єктів - 6) містить k
(кількість класів) таких розрахунків для кожного об'єкта:
 вага мережі (скаляр) net  w k * i ' x ;
k , i
 дійсна реакція нейрона (скаляр) o  ( f net )  2 /( 1 exp( net ))  1;
k , i k , i k , i
 корекція ваги (скаляр)

 w  d ( * k  o k , i * ) ( ' f net k , i )  d ( * k  o k , i * ) 0 .5 ( * 1 o k , i 2 );
k , i
 вага (вектор) w k  w k , i * x i  w ;

1 
k
2
 помилка (скаляр) e  o k , i 1   0 * d  o k , i ) .
.
5 (
k , i
k
Якщо програмним шляхом реалізувати цикли по п тa i, то одержимо
програмний продукт, що реалізує рішення поставленої задачі.
Результати розрахунків представлені нижче.

2.3.3 Результати

У результаті знайдені вектора ваг (матриця W '):

) 1 ( ' w  0  1  1  1 1 9 . 1  1 8 . 0 6 . 1  1 1 6 . 1 8 . 0  1 0   1
) 2 ( ' w   6 . 2 5 . 0 0  1 0  2  1 2  2  1 0  2 2 3 . 0  1   1
) 3 ( ' w   2 3 . 0 1 3 . 0 0  1 3 . 0  3 0 3 . 0 0 0  3 1 . 1 3 . 0  3 . 0

Нижче представлена залежність зміни значення похибки від ітерацій.

14