ИНТЕЛЛЕКТУАЛЬНЫЕ ИНФОРМАЦИОННЫЕ СИСТЕМЫ


Интеллектуальные информационные системы - стр. 20


Yi - вычисленное значение выходного признака по i - му примеру.

                Сущность алгоритма обратного распространения ошибки сводится к следующему:

1.     Задать произвольно небольшие начальные значения весов связей нейронов.

2.     Для всех обучающих пар “значения входных признаков - значение выходного признака” (примеров из обучающей выборки) вычислить  выход сети (Y).

3.     Выполнить рекурсивный алгоритм, начиная с выходных узлов по направлению к первому скрытому слою, пока не будет достигнут минимальный уровень ошибки.

Вычислить веса на (t+1) шаге по формуле:

, где

 - вес связи от скрытого i -го нейрона или от входа к j-му нейрону   на шаге t;

 - выходное значение i -го нейрона;

 - коэффициент скорости обучения;

 - ошибка для j-го нейрона.

Если j-й нейрон - выходной, то

Если j-й нейрон находится в  скрытом внутреннем слое, то

, где

к - индекс всех нейронов в слое, расположенном вслед за слоем с j-м нейроном.

Выполнить шаг 2.

                Достоинство нейронных сетей перед индуктивным выводом заключается в решении не только классифицирующих, но и прогнозных задач. Возможность нелинейного характера функциональной зависимости выходных и входных признаков позволяет строить  более точные классификации.

                Сам процесс решения задач в силу проведения матричных преобразований проводится очень быстро. Фактически имитируется параллельный процесс прохода по нейронной сети в отличие от последовательного в индуктивных системах. Нейронные сети могут быть реализованы и аппаратно в виде нейрокомпьютеров с ассоциативной памятью.

                Последнее время нейронные сети получили стремительное развитие и очень активно используются в финансовой области.  В качестве примеров внедрения нейронных сетей  можно назвать:

·       "Система прогнозирования динамики биржевых  курсов  для  Chemical Bank" (фирма Logica);

·       "Система прогнозирования для Лондонской  фондовой  биржи"  (фирма SearchSpace);




Начало  Назад  Вперед