ssn2

Sieci komórkowe

Sprzężenia wzajemne między elementami przetwarzającymi dotyczą jedynie najbliższego sąsiedztwa (połączenia re są w ogólności nieliniowe). Podstawową trudność w stosowaniu tego typu sieci stanowi opracowanie skutecznej, efektywnej i uniwersalnej metody projektowania. Typowym przykładem sieci komórkowej może być sieć typu mapa Kohonena.

Sieć jednokierunkowa

Sieć rekurencyjna

Struktura komórkowa

Uczenie sieci traktujemy "jako metodę automatycznego poszukiwania takiego zestawu współczynników wagowych występujących we wszystkich neuronach całej sieci aby wartość błędu sumarycznego popełnianego przez sieć była minimalna". Stosując jakiś algorytm trenowania sieci jesteśmy w stanie minimalizować błąd popełniany przez sieć i co za tym idzie poprawiamy działanie sieci. Najbardziej popularnym algorytmem jest wsteczna propagacja błędów (ang. backpropagation errors) oraz jej późniejsze modyfikacje. Istnieją dwa najczęściej stosowane sposoby trenowania sztucznych sieci neuronowych

•    uczenie bez nauczyciela (nienadzorowane) - podczas tego uczenia nie jest podawane prawidłowe rozwiązanie (przykłady) sieć stara się sama uczyć rozróżniać nadchodzące do niej sygnały i grupować je w pewne kategorie;

•    uczenie z nauczycielem (nadzorowane) - właściwy rezultat jest znany, ponieważ nauczyciel podpowiada sieci wymaganą odpowiedź na zadany sygnał wejściowy.

Jak już wcześniej wspomniano uczenie polega na automatycznej modyfikacji wag, realizowanej przez założony algorytm. Dzieje się to zgodnie z ogólną zależnością

gdzie:

Wj_t (n + 1) = tuj* (n) 4- A(n)    _n - numer kroku,

k - numer warstwy,

Wji - j-ty neuron, i—te wejście.

Wyróżniamy dwa sposoby korekcji wag

•    sposób przyrostowy (ang: incremental) - wagi aktualizowane są bezpośrednio po podaniu każdego wzorca. Funkcja błędu jest zmniejszana w każdym kroku.

•    sposób grupowy (ang: batch updating) - korekcja wag następuje po podaniu całego zestawu danych uczących

To. który ze sposobów korekcji wybierzemy, podyktowane jest rozpatrywanym przez nas problemem, jednak bardziej korzystne wydaje się być podejście pierwsze.