Решение на такава задача от мозъка може да бъде обработката на информация от обикновеното зрение (human vision). Във функциите на зрителната

Изтегляне 1.78 Mb.

Pdf просмотр

страница	23/58
Дата	08.04.2022
Размер	1.78 Mb.
	#114042
Тип	Решение

1 ... 19 20 21 22 23 24 25 26 ... 58

book
Свързани:
Kniga uchitel IT 6. klas Даниела Убенова (1), Kniga uchitel IT 8. klas Даниела Убенова, elektronno-obuchenie

Обучение на Болцман
Правилото на обучението на Болцман представлява стохастически алгоритъм на обучение основан на идеята на стохастически механизми. Невронните мрежи създадени на основата на обучението на Болцман се наричат машина на Болцман (Boltzmann machine).
В машините на Болцман всички неврони представляват рекурентни структури работещи с бинарни сигнали. Това значи, че те могат да се намират във включено
(съответстващо на стойност +1) или изключено (съответстващо на стойност -1) състояние. Такава машина характеризира функцията от енергията Е, която се определя от конкретното състояние на отделен неврон съставящ машината. Това може да се опише по формула
Където е състояние на неврона j;
- синаптическо тегло на връзките на невроните
j и k. При условие, че
, то в мрежата невроните нямат обратна връзка със себе си.
Работата на машината се състои в случен избор на някой неврон (предполагаме, к-ти) на определена стъпка в процеса на обучение и привеждане на този неврон от състояние
, в състояние - при някаква температура Т с вероятност
Където
- изменение на енергията на машината (т.е. изменение на енергията на функцията) получена от преходното състояние. Под температурата Т се разбира не физическата температура, а псевдотемпература (pseudotemperature). При многократно прилагане на това правило машината достига термално равновесие
(thermal equilibrium).
Невронната машина на Болцман може да бъде раздели на две функционални групи: видими (visible) и невидими (hidden). Видимите неврони реализират интерфейс между мрежата и средата с нейното функциониране, а скритите работят независимо от външната среда. Ще разгледаме двата режима на функциониране на такава мрежа:
Сковано състояние (clamped condition), в което всички видими неврони се намират в състояние предопределено от външната среда.
Свободно състояние (free-running condition), в които всички неврони (както видими, така и скрити) могат свободно да функционират.
Означаваме с
корелацията между състоянията на невроните j и k в сковано състояние. Аналогично означаваме корелация (correlation) между състоянията на невроните j и k, когато мрежата се намира в свободно състояние. Тези две корелации се осредняват по всички възможни състояния на машината, намираща се в условия на термално равновесие. Съгласно правилото на обучение по Болцман (Boltzmann learning rule), изменението на синаптическите тегла и връзките между невроните j и k се определят от следващият израз

48
Където е параметър на скоростта на обучение. Стойностите на се изменят в диапазона от –1 до +1.

Изтегляне 1.78 Mb.

Сподели с приятели:

1 ... 19 20 21 22 23 24 25 26 ... 58