Интеллектуальные информационные системы


Многослойный персептрон - часть 2


е. при каждом случае несовпадения решения, выдаваемого персептроном, и истинного класса. Если персептрон ошибочно отнес сигнал, к некоторому классу, то веса функции, истинного класса увеличиваются, а ошибочного уменьшаются. В случае  правильного решения все веса остаются неизмен­ными.

 Этот чрезвычайно простой ал­горитм обучения обладает замеча­тельным свойством: если существуют значения весов, при которых вы­борка может быть разделена безоши­бочно, то при определенных, легко выполнимых условиях эти значения будут найдены за конечное количество итераций.

При идентификации, распознавании, прогнозировании на вход многослойного персептрона поступает сигнал, представляющий собой набор первичных признаков, которые и фиксируются рецепторами. Сначала  вычисляются   вторичные признаки. Каждому такому вторичному признаку  соответствует линейная от первичных признаков. Вторичный признак принимает значение 1, если соответствующая линейная  функция превышает порог. В противном случае она принимает значение 0. Затем для каждого из классов вычисляется функция, линейная относительно вторичных признаков. Перцептрон вырабатывает решение о принадлежности входного сигнала к тому классу, которому соответствует функция от вторичных параметров, имеющая наибольшее значение.

Показано, что для представления произвольного нелинейного функционального отображения, задаваемого обучающей выборкой, достаточно всего двух слоев нейронов. Однако на практике, в случае сложных функций, использование более чем одного скрытого слоя может давать экономию полного числа нейронов.




Начало  Назад  Вперед