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	47/58
Дата	08.04.2022
Размер	1.78 Mb.
	#114042
Тип	Решение

1 ... 43 44 45 46 47 48 49 50 ... 58

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

2.3.1 Обучаващи парадигми

2.2 Мрежови архитектури
В предишната секция ние обсъдихме свойствата на основните обработващи възли в изкуствените невронни мрежи. В тази секция се набляга върху вида на връзките между възлите и предаваните данни:
В зависимост от вида на връзките между невроните разграничаване главно:
•
Прави мрежи, в които данните се предават строго от входните към изходните възли. Мрежата може да е многослойна, но не съществуват никакви обратни връзки, т.е. няма връзки, излизащи от изходна невроните от един слой и завършващи на входа на неврони от същия или предишни слоеве.
•
Рекурентни мрежи, които включват и обратни връзки. Противоположно на правите мрежи динамичните свойства на тези структури са важни. В някои случаи, активиращите стойности на възлите са в процес на релаксация, при който мрежата преминава в стабилно състояние, в което не настъпват повече значителни промени. В някои приложения, промените на активност на изходните възли са значими и динамичното поведение определя изхода на мрежата.
Класически пример за права мрежа е перцептронът и adaline. Примери за рекурентни мрежи са представени от Андерсън (Anderson), Кохонен (Kohonen) и Хопфийлд
(Hopfield).

2.3 Обучение на изкуствените невронни мрежи
Невронните мрежи могат да бъдат конфигурирани така че приложението на множество от входни данни (било то пряко или чрез процеси на релаксация) да доведе до желани изходни стойности. Съществуват различни методи за установяване на силата на връзките. Един от тях е да се положат теглата явно, като се използват априорни знания.
Друг начин е да се обучи НМ, като ù се представят обучаващи примери и теглата се нагласят според някакво правило на обучение.
2.3.1
Обучаващи парадигми
Процесите на обучение могат да бъдат класифицирани в две различни категории. Те са:

93
•
Обучение с учител или Асоциативно обучение, при което мрежата се обучава, като ù се предоставят входният и съответстващия изходен образец. Тези входно изходни двойки могат да се представят от външен учител или от система, която включва мрежата (самоучител).
•
Обучение без учител или самоорганизация, при което изходните неврони се обучават да отговарят на клъстери от входните образци. Тези парадигми предполагат, че системата открива най-характерните черти на входната популация. За разлика от обучението с учител, априори няма никакво множество от категории, към които да се класифицират входните образи; по-скоро системата сама трябва да си изработи свое собствено представяне на входните стимули.

Изтегляне 1.78 Mb.

Сподели с приятели:

1 ... 43 44 45 46 47 48 49 50 ... 58