Sieci CP str122

Sieci CP str122



122


10.1. Rozpoznawanie wybranego zhioru wyrazów

ilością elementów widma częstotliwościowego sygnału mowy 660 elementów, na warstwę wyjściową składało się ich 7 (ponieważ sieć miała rozpoznawać 7 rozkazów). Warstwa ukryta (środkowa) liczyła 200 elementów, ponieważ na tyle pozwalała rozszerzona do 4 Mb pamięć używanego do symulacji komputera (AT 386/387/33 Mllz).

Zgodnie z zasadami rządzącymi doborem rodzaju sieci do tak skomplikowanego problemu uczenia wybrano sieć typu back-propagaliou z elementarni podstawowymi typu sig-moidalnego. Kolejne warstwy łączono ze sobą metodą „każdy z każdym”, warstwy ukrytą i wyjściową połączono dodatkowo z elementem typu ,,stała 1” (bias). Jak larwo policzyć w sumie powstało

(nl + l)"ri2 + (»»2 + 1)*»3 = 133 607

połączeń, gdzie nl, n2 i »3 oznaczają odpowiednio ilości elementów w poszczególnych warstwach (1, 2 i 3). Przed rozpoczęciem procesu uczenia wagom tych połączeń zostały przyporządkowane wartości pseudoprzypadkowe z przedziału [-0.1, 0.1].

10.1.3    Uczenie sieci

Głównym problemem, z jakimi borykają się wszyscy eksperymentatorzy, zajmujący się stosowaniem sieci neuronowych do konkretnych zadań jest. odpowiednie poprowadzenie procesu uczenia. Dane literaturowe, ogólnie bardzo bogate na ten konkretny temat są niezwykle skąpe, a czasem także sprzeczne ze sobą. Ogólnie można tu wskazać na występowanie następujących problemów:

1.    Dobór odpowiedniej wielkości zbioru uczącego, a następnie opracowanie metody mieszania danych podczas procesu liczenia.

2.    Określenie wielkości współczynników uczenia t/1 (learning ratę) i r/2 (momentom) por. rozdz. 4. oraz podjęcie decyzji o ich ewentualnej zmianie w trakcie procesu uczenia.

3.    Zdefiniowanie czasu uczenia (w ilościach prezentacji wypowiedzi), a tym samym wypracowanie kryteriów pozwalających na ocenę procesu uczenia.

Podczas eksperymentów z siecią neuronową dopracowano się pewnych rozwiązań trzech powyższych grup problemowych, przy czym należy wyraźnie podkreślić, że rozwiązania te zależą bardzo ściśle od wielkości i struktury modelowanej sieci i nie mogą być bezkrytycznie przenoszone na inne, różne od prezentowanej, struktury. Równocześnie okazuje się, że przedstawiony wyżej podział jest podziałem formalnym, a w rzeczywistości wszystkie trzy problemy są ze sobą ściśle sprzężone.

10.1.4    Zbiory uczące i zbiór testujący

Początkowo optymistycznie przyjęto, że do uczenia sieci wystarczy jeden zbiór uczący, w którym zapisano 70 wypowiedzi, czyli każda komenda dla robota została wypowiedziana 10 razy. Do testowania użyto zbioru składającego się z 21 elementów: siedmiu rozkazów wypowiedzianych po 3 razy. Obydwa zbiory zostały zarejestrowane przez tego samego mówcę. Czynnikiem utrudniającym naukę i rozpoznawanie był fakt, że nagrania zbiorów nastąpiły w różnym czasie i z różnym poziomem szumów nakładających się na sygnał mowy.

Po 200 prezentacjach zbioru uczącego (14 000 cykli uczenia) test wykazał, że sieć nauczyła się rozpoznawania zbioru uczącego (100%). natomiast zbiór testowy rozpoznawała jedynie


Wyszukiwarka

Podobne podstrony:
img122 122 10.1. Rozpoznawanie wybranego zbioru wyrazów ilością elementów widma częstotliwościowego
img122 122 10.1. Rozpoznawanie wybranego zbioru wyrazów ilością elementów widma częstotliwościowego
Sieci CP str124 124 10.i. Rozpoznawanie wybranego zbioru wyrazów mniejsze, lecz o podobnych proporcj
Sieci CP str124 124 10.i. Rozpoznawanie wybranego zbioru wyrazów mniejsze, lecz o podobnych proporcj
Sieci CP str046 ■i-10. Przyspieszanie procesu uczenia momenł.nm): .(rrOO + l) Z opisywanych w litera
Sieci CP str126 126 10.2. Rozwiązywanie problemu komiwojażera [Aiye90]): N = 10, typ = nieplanamy, A
img124 124 10.1. Ratpotnawanie wybranego zbioru wyrazów mniejsze, lecz o podobnych proporcjach wzglę
img124 124 10.1. Ratpotnawanie wybranego zbioru wyrazów mniejsze, lecz o podobnych proporcjach wzglę
Sieci CP str082 82 6.5. Układ orientujący6.5 Układ orientujący Innym oryginalnym elementem sieci ART
Sieci CP str003 a 10.1.a Uczenie sieci .............................................................
img003 3 10-1.3 Uczenie sieci .............................................................. 122 10-
Sieci CP str029 29 Rozdział X. Liniowe sieci neuronowe że neuron rozpoznaje1 sygnały wejściowe, wyró
Sieci CP str039 39 Rozdział 3. Liniowe siwi neuronowe mu taką strategię uczenia, by zapamięta] i pot
Sieci CP str096 96 7.8. Rozwiązywanie problemu komiwojażera oznacza długość wybranej drogi; przy obl

więcej podobnych podstron