2

II. Uczenie jednowarstwowej sieci neuronowej

Wejście: Ciąg treningowy {(X\, D\), (X₂, D₂),.., (X_p, D_p)} Wyjście: Macierz wag W_KxN, wektor odchyleń Bka Oznaczenie: W : Wektor wag /-tego neuronu d : i-ta składowa żądanego wektora wyjściowego y : i-ta składowa wektora wyjściowego sieci

Algorytm uczenia

Krok 1: Wylosuj początkową macierz wag W i początkowy wektor odchyleń B Krok 2: Dla każdego wektora uczącego X

2.1    Wyznacz Y: Y=flWX+B)

2.2    Uaktualizuj wagi (dla i =1

WL=WL,+rj<d‘-y')-X

bL=b‘_oU+r_J.(dⁱ-yⁱ)

(gdy neuron jest dyskretny)

WL=W^_d+V.{d‘-y^l).nnet_l)X

b'_m =b‘_M +rj.(dⁱ -y‘).f'(net,)

(gdy neuron jest ciągły)

Krok 3: Jeśli wagi pozostały bez zmian lub E<E_min to stop, wpp. powrót do Krok 2

IIL Uczenie sieci wielowarstwowej: Algorytm wstecznej propagacji błędu

r

Wymaganie: Sieć składa się wyłącznie z neuronów ciągłych

i