Обучение сети.
Искусственные нейронные сети
Сети Кохонена Сети Кохонена реализуют режим обучения «без учителя» или режим самообучения: они учатся распознавать кластеры в наборе образцов, принадлежность которых классам (кластерам) не известна. Сеть Кохонена пытается расположить в выходном слое похожие кластеры близко друг к другу, формируя таким образом, Топологическую карту (Topological мар). Многослойный персептрон можно обучать… Читать ещё >
Обучение сети. Искусственные нейронные сети (реферат, курсовая, диплом, контрольная)
После создания структуры сети и ввода обучающей последовательности следующим шагом является обучение сети.
Типы сетей
Trajan Shareware предоставляет возможность работать с двумя типами сетей: многослойный персептрон и сети Кохонена.
Многослойный персептрон На сегодняшний день эта архитектура сети является одной из самых популярных.
Многослойный персептрон использует линейную PSP функцию (т.е. вычисляет взвешенную сумму входов), и нелинейную логическую функцию активации (S-образную).
Сеть этого типа может иметь до 128 слоев; однако, трех или четырех слоев достаточно практически для любой задачи.
Многослойный персептрон можно обучать алгоритмами: Градиентного спуска (Conjugate Gradient Descent), Левенборга-Маркарди (Levenburg-Marquardt), Обратного распространения ошибки (Back Propagation), Быстрого распространения (Quick Propagation) или Обобщенного дельта-правила (Delta-Bar-Delta).
В данной лабораторной работе мы будем использовать только алгоритм обратного распространения ошибки.
Многослойный персептрон довольно компактная нейронная сеть и ее легко применять для различных задач; однако, процесс обучения этой сети может затянутся, к тому же привести к бестолковой экстраполяции на значительно новых данных.
Сети Кохонена Сети Кохонена реализуют режим обучения «без учителя» или режим самообучения: они учатся распознавать кластеры в наборе образцов, принадлежность которых классам (кластерам) не известна. Сеть Кохонена пытается расположить в выходном слое похожие кластеры близко друг к другу, формируя таким образом, Топологическую карту (Topological мар).
Сеть Кохонена всегда имеет две слоя: входной слой и слой топологической карты, т. е. выходной слой. Выходной слой сети Кохонена лежит в двумерном пространстве (имеет два измерения). Выходной слой сети состоит из Радиальных элементов (Radial units).
В последнем слое используется функция квадратного корня в качестве функции активации, так что выходное значение представляет собой расстояние между входным образцом и взвешенным вектором выхода.
Вообще то, сеть Кохонена обычно имеет двухмерный выходной слой, однако Trajan также поддерживает сети с одномерным выходным слоем.
Необходимо отметить, что обычно образцы последовательности для сети Кохонена имеют только входные значения. Сети Кохонена не используют выходные значения образцов для обучения, и просто их игнорируют, если таковые существуют.