43
Rozdział 3. Liniowe sieci neuronowe
Opisane wyżej techniki samo uczeni a (czy też , .uczenia bez nauczyciela”) mają bardzo interesującą odmianę, pozwalającą na wykorzystanie przytoczonych metod także w przypadku kiedy wektor wymaganych wartości sygnałów wyjściowych sieci Z(;) jest znany (czyli w omawianym na samym początku zadaniu uczenia na podstawie ciągu uczącego U). Wszystkie omówione wyżej metody uczenia dadzą się wtedy bardzo efektywnie zastosować przy zastosowaniu prostej zamiany odpowiednich y przez stosowne z. Takie uczenie ma charakter „forsowania” poprawnych rozwiązań bez względu na to, co robi sieć. Metoda taka może mieć niekiedy istotną przewagę nad metodą DELTA, ponieważ nie wymaga w sposób jawny wyliczania wartości błędów popełnianych przez neurony sieci, co może bardzo istotnie przyspieszyć proces uczenia. Ponieważ istnieje głęboka i łatwa do prześledzenia analogia omawianych metod „forsownego uczenia z nauczycielem” do dyskutowanych wyżej metod „uczenia bez nauczyciela”— ograniczymy się jedynie do przytoczenia odpowiednich wzorów, pomijając tym razem dyskusję i próby interpretacji tych wzorów. Wyróżnić przy tym można następujące metody:
- metoda autoasocjacji: - metoda przyrostowej autoasocjacji:
(»*
- metoda zbliżania wektora wag do wektora odpowiedzi:
Wprowadzając podobnie jak wyżej oznaczenie iti) -
I 0 w przeciwnym przypadku
oraz korzystając z wprowadzonej wyżej definicji możemy podać kolejne trzy dalsze reguły uczenia:
M(m _ „,(■”><) > + 1)
Wybór jednej z podanych wyżej możliwości podyktowany być musi każdorazowo oceną ich przydatności w konkretnym zadaniu, przy czyni z powodu braku ogólnej teorii konieczne są eksperymenty i poszukiwania oparte na badaniach empirycznych.
Hola „forsownego uczenia” może być dokładniej prześledzona dla dwóch interesujących teoretycznie i przydatnych praktycznie konkretnych sytuacji. Przepiszmy równanie autoa-socjacji z podanej wyżej formy skalarnej
UJ i — “•'» ' V * i *m