img224 (11)

218

znający i sygnalizujący pojawienie się sygnału z tego właśnie punktu (i jego bliskiego otoczenia, bo sieci neuronowe zawsze mają skłonności do pewnego uogólniania zdobytej wiedzy). W doświadczeniach z sieciami Kohonena zwykle pokazuje się losowo punkty z pewnego podobszaru przestrzeni sygnałów wejściowych. W rezultacie błękitne kwadraty będą systematycznie rozchodziły się i rozprzestrzeniały po całej przestrzeni sygnałów wejściowych - a dokładniej po tym jej fragmencie, z którego pochodzić będą podawane w trakcie procesu samouczenia sygnały uczące. Natomiast te punkty przestrzeni wejść, które nie będą pokazywane podczas procesu uczenia, nie “przyciągną” do siebie żadnych neuronów. Dla demonstracji tego efektu przewidziałem w programie 11.BAS trzy warianty prezentacji ciągu u-czącego: punkty uczące sieć mogą być pokazywane z całego widocznego obszaru wchodzącej w grę przestrzeni (taka opcja nazywa się “kwadrat”), ałe mogą też być wybierane z podobszaru w kształcie krzyża albo trójkąta. Dzięki temu będziesz mógł się przekonać, że sieć naprawdę znajduje odwzorowania tylko dla tych sygnałów wejściowych, które rzeczywiście są pokazywane - w obszarach, które nie podlegają uczeniu, nie pojawi się (na ogół) ani jeden kwadracik oznaczający “warujący” w tym miejscu neuron!

Dla umożliwienia Ci wyboru rodzaju figury, w obrębie której “rekrutowane” są punkty pokazywane sieci w każdym kolejnym etapie procesu uczenia - po ustaleniu liczby kroków, jakie program ma wykonać, pojawia się dość skomplikowana na pozór tabelka i pytanie, czy chcesz zmieniać parametry procesu samouczenia. Jeśli nic nie chcesz zmieniać (na początku proponuję, byś tak właśnie postępował!) - wystarczy, że naciśniesz Enter.

Zapoczątkuje to proces uczenia sieci. W okienku w lewym dolnym rogu pojawi się obraz kolejno pokazywanych sieci punktów. Wszystkie są w tym samym kolorze, bo oczywiście nie ma nauczyciela, który by punkty wejściowe w jakikolwiek sposób klasyfikował. Możesz natomiast zauważyć, z jakiego podobszaru przestrzeni sygnałów wejściowych pobierane były sygnały i warto porównać to z pokazanym na końcu efektem uczenia.

Po wykonaniu wskazanej przez Ciebie liczby kroków program wyświetli nową mapę pokazującą rozkład punktów symbolizujących neurony (oraz ich sąsiedzkich powiązań, zgodnie z przyjętą topologią sieci) na tle całej przestrzeni sygnałów wejściowych. Ponieważ poprzednia mapa też jest widoczna (program pokazuje na jednym ekranie efekty kilku ostatnich e-tapów procesu uczenia) możesz dokładnie obejrzeć postępy, jakie sieć robi w toku procesu uczenia. Wynik ostatnio wykonanego uczenia zaznaczany jest wyraźnym markerem (dodatkowym prostokątem) u dołu odpowiedniej ramki; jest to potrzebne gdy po wykonaniu wielu kroków procesu uczenia wszystkie ramki zostaną zajęte i miejsca na ekranie zaczną być wykorzystywane “rotacyjnie”.