70
Синтеза на речевия сигнал може да се разглежда като стационарен процес за интервала от време 10-30 милисекунди.
Ехото на радара от дъното на океана може да се счита за стационарен процес за интервал от време няколко секунди.
При дългосрочни прогнози на времето синоптическите данни могат да се разглеждат като стационарни за интервал от време няколко минути.
Използва се свойството псевдостационарност в
стохастическите процеси, което може да увеличи срока на ефективност на работата на невронните мрежи за сметка на периодично преучаване (retraining), позволяващо да се отчитат вариациите на входните данни.
Може да се използва по-точен
динамичен (dinamic) подход. За тази цел използваме следната последователност от действия:
Избираме достатъчно кратък интервал от време, в който данните могат да се считат за псевдостационарни, и се използват за обучение на мрежи.
След получаване на
новия обучаващ пример, трябва да се премахне най-стария вектор и да се добави нов пример.
Използваме обновения избор за обучение на мрежата.
Непрекъснато се повтаря описаната процедура.
Описаният алгоритъм позволява да се придават временни свойства в архитектурата на невронната мрежа се реализират образи на принципа
непрекъснато
обучение на поредни във времето примери (continual learning with time-ordered examples). При използването на такъв подход невронните мрежи може да се считат за
нелинеен адаптивен филтър (nonlinear adaptive filter), представляващ обобщение на линейните адаптивни филтри.
Сподели с приятели: