img054

img054



54


4.3. Właściwości nieliniowych sieci wielowarstwowych

Niestety, sieć dwuwarstwowa nie pozwala jeszcze na rozpoznawanie dowolnego podob-szaru przestrzeni X, ponieważ łatwo sprawdzić, że obszary sygnalizowane przez neurony drugiej warstwy muszą być wypukłe oraz jednospcSjue. Takie wypukłe, jednospójne, ograniczone hiperplaszezyznami (a więc „kanciate”) obszary nazywa się zwykle simpleksami (od angielskiego simplcz — prosty, nie skomplikowany), zatem sieć dwuwarstwowa rozpoznawać może tylko simpleksy. Jest to dość istotne ograniczenie, jednak łatwo sobie wyobrazić, co należy zrobić, żeby się od tego ograniczenia uwolnić. Oczywiście — trzeba użyć kolejnej warstwy neuronów. Ta trzecia warstwa otrzymuje na wejściu informacje o przynależności sygnałów X do wykrywanych przez drugą warstwę simpleksów i dokonuje na nich kolejnego etapu przetwarzania, łącząc je ze sobą lub odejmując je od siebie. W rezultacie możliwe jest utworzenie dowolnych obszarów: także niewypuklych (poprzez ,,wycinanie” jednego simpleksu innymi simpleksami) oraz niejrdnnspójnych (gdy sumuje się na jednym neuronie trzeciej warstwy sygnały pochodzące od kilku rozłącznych simpleksów).

Możliwości te ilustruje zbiorczo poniższy rysunek:

Structure

Type of

Decision Regions

Exclusive-OR

Problem

Classes with Most General Mesned Regions Region Shapes

Slngle-layer

A

Hall piane bounded by

hyperplane

Am.

Two-layers

A

Convex

open

or

closed

regions

i§§|

Arbitrary (Complexily llmited by number ot nodes)

®ml

Można więc powiedzieć, że za pomocą nieliniowej sieci neuronowej o przynajmniej trzech warstwach można zrealizować dowolno odwzorowanie, wiążące w całkowicie dowolny sposób wejściowe sygnały X z wyjściowymi sygnałami sieci. Jest to ważne stwierdzenie, gdyż ta ,,omnipotencjalność” nieliniowych sieci neuronowych (co najmniej trój warstwowych) leży u podstaw ich szerokiego stosowania. Dletego poddamy te sieci bliższej analizie, rozważając kolejno wszystkie jej elementy.


Wyszukiwarka

Podobne podstrony:
img052 52 4.3. Właściwości nieliniowych sieci wielowarstwowych Rozważając sześcian o jednostkowej
Sieci CP str052 52 4.3. Właściwości nieliniowych sieci wielowarstwowych Rozważając sześcian o jednos
HPolskie Sieci Elektroenergetyczne (FSE) Właściciel i gospodarz sieci przesyłowej NNPolską sieć NN t
zdjęcie 2 Rodzaje sieci komunikacyjnych w organizacji Sieć typu „Łańcuch"    Sie
img063 63 Rozdział A. Nieliniowe sieci neuronowe klasycznej metody backpropagalion z wykorzyslniem e
img098 (18) 92 Uczenie prostych liniowych sieci jedr5.6. Czy sieć może filtrować sygnały? Wyobraź so
img053 53 Rozdział 4. Nieliniowe sieci neuronowe podział ten formuje granica mająca postać hiperplas
img054 54 Operacje uśredniania po czasie i zbiorze są przemienne <cosJ1*[a>0t ♦ 8jM(t)]> =
img055 55 Rozdział 4. Nieliniowe sieci neuronowe4.4 Formy nieliniowości neuronu Funkcja wiążąca łącz

więcej podobnych podstron