Принцип обучения искусственных нейронных сетей

Цель обучения нейронной сети – состоит в её настройке на заданное поведение. Один из подходов к получению сети … он предусматривает обучение сети путем настройки значений весовых коэффициентов. Матрица весовых коэффициентов сети называется синоптической картой. Существует 2 вида обучения, обучение с учителем и без него.

Обучение с учителем предполагает наличие обучающих пар и образов, называемых обучающей последовательностью. При этом для каждого входного образа a_i вычисляется реакция сети b_i и сравнивается с соответствующим целевым образом d_i. Полученное рассогласование используется алгоритмом обучения для корректировки синоптической карты таким образом, чтобы уменьшить ошибку рассогласования.

Процесс обучения без учителя широко используется во многих приложениях нейронных сетей, но он не полностью соответствует реальным процессам. Мост использует поступающую информацию, сам осуществляет её обобщение и коррекцию своей деятельности путем анализа ошибок. В случае обучения без учителя обучающая последовательность состоит лишь из входных образов a_i. Алгоритм обучения настраивает веса так, что близким входным векторам соответствовали одинаковые выходные, т.е. фактически осуществляется разбиение пространства входных образов на классы.

Метод обучения, предложенный Розенблаттом

Шаг 0: начальное значение весов всех нейронов случайно;

Шаг 1: сети предъявляется входной образ a_i в результате формируется выходной образ d_i=b_i;

Шаг 2: вычисляется вектор ошибки, в дальнейшем изменение вектора весовых коэффициентов должно быть пропорционально ошибке на выходе и равно 0 если ошибка равно 0;

В дальнейшем изменение вектора весовых коэффициентов должно быть пропорционально ошибке на выходе и равно нулю, если ошибка равна нулю соответственно

, где - тем обучения.