img096

96

7. Metody specjalne

av„(^a)(*) = o4^ł)^-

Jak wykazano w pracach Rumelharta i współautorów [63], w sieciach tego typu współczynnik określający błąd popełniany przez rozważany A-ty neuron 6^ może być obliczony z rekursywnych formuł:

6

(*)

A

jeśli A-ty neuron należy do wyjściowej warstwy, albo ze wzoru: gdy A-ty neuron należy do warstwy ukrytej, ale połączony jest z neuronami o numerach ^ warstw, dla których już ustalono wartości błędów Warto zwrócić uwagę, że są to zawsze neurony dalsze w sensie kierunku przepływu sygnału, zatem następuje tu proces rzutowania błędów wstecz - stąd nazwa back propagation, jaka została związana z tą metodą. Warto także odnotować, że w budowie sygnału 6^ uczestniczą składowe 6 tylko tych ji-tych neuronów, które są bezpośednio połączone z rozważanym A-tym neuronem.

Algorytm dla metody sieci neuronowych pominięto, ponieważ zalety tego podejścia ujawniają się jedynie wtedy, gdy stosowana jest sprzętowa (w pełni równoległa) realizacja procesu uczenia i rozpoznawania, zaś symulacje komputerowe nie mają istotnych walorów, a odznaczają się bardzo dużą złożonością.