img215 (5)

img215 (5)



oprowadzenie do techniki sieci neuronowych Elementarne w 209

mouczenia. Z kolei w wyniku konkurencji może się zdarzyć, że tylko niektóre (zwykle dość nieliczne) neurony o dużych “wrodzonych uzdolnieniach” podlegać będą procesowi uczenia, pozostałe natomiast pozostaną poza procesem uczenia i będą - z punktu widzenia celów, dla których sieć zorganizowano - właściwie stracone. Mogłeś to zaobserwować na przykład w programie 10C.BAS, który podawał - między innymi - informacje na temat tego, które neurony (konkretne numery) stawały się “zwycięzcami” dla poszczególnych klas i w dalszym ciągu stawały się detektorami wykrywającymi obiekty danej klasy. Numery te pojawiały się zdecydowanie w sposób chaotyczny, bez żadnego związku z lokalizacją wykrywanych o-biektów. Tymczasem przypisanie funkcji wykrywania określonych obiektów wejściowych do pewnego konkretnego, właśnie tego, a nie do innego neuronu - może stanowić ważny czynnik zwiększający lub zmniejszający użyteczność sieci. Jeśli - na przykład - niektóre sygnały wejściowe są do siebie jakoś podobne (w dowolnym sensie), to może Ci zależeć, żeby ich pojawianie się było sygnalizowane przez neurony sąsiadujące ze sobą w sieci. W “czystej” sieci samouczącej się nie masz jednak na to wpływu i musisz pokornie przyjąć to, co się zdarzy.

Radą na te wszystkie bolączki jest wprowadzenie do samouczącej się sieci jeszcze jednego mechanizmu: sąsiedztwa. Po raz pierwszy sąsiedztwo neuronów w sieci wykorzystał (w latach 70-tych) fiński badacz Kohonen i dlatego w literaturze sieci wykorzystujące sąsiedztwo (i zwykle także angażujące konkurencję między neuronami) nazywane są sieciami Koho-

Pokażę Ci teraz, na czym owo sąsiedztwo polega, a potem opowiem, Ci

Do tej pory neurony sieci rozważaliśmy jako jednostki w znacznym stopniu niezależne od siebie. Były one wprawdzie łączone ze sobą i przekazywały sobie nawzajem sygnały (jak to w sieci) - ale ich wzajemne położenie w warstwach nie miało żadnego znaczenia. Co najwyżej dla celów porządkowych wprowadzana była (wykorzystywana także do organizacji obliczeń w programach symulujących sieć) numeracja neuronów - i to wszystko. Tymczasem w rozważanej tutaj sieci bardzo ważne okazuje się to, które neurony uznasz za sąsiadujące ze sobą, gdyż będzie to w zasadniczy sposób rzutowało na zachowanie całej sieci.

Najczęściej rozpatrujemy sąsiedztwo dwuwymiarowe: neurony rozważa się tak, jakby były rozmieszczone w węzłach regularnej siatki złożonej z wierszy i kolumn. W siatce takiej każdy neuron ma przynajmniej czterech sąsiadów: dwóch w poziomie (z lewej i z prawej) i dwóch w pionie (u góry i u dołu) - rys. 10.1.


Wyszukiwarka

Podobne podstrony:
img061 (33) Elementa oprowadzenie do techniki sieci neuronowych 55 Po wpisaniu programu można g
img073 (30) Elementa oprowadzenie do techniki sieci neuronowych 67 Nie przejmuj się, że program
img199 (8) Elementa oprowadzenie do techniki sieci neuronowych wo pokazywany sieci punkt lokowany by
img137 (11) oprowadzenie do techniki sieci neuronowych Po ustaleniu się sygnałów wyjściowych na obyd
img183 (9) oprowadzenie do techniki sieci neuronowych 177 kroków procesu samouczenia po każdym pokaz

więcej podobnych podstron