SE20101110035

Zi (^zi ’    >    , z_k) — wektor żądanych wartości wyjściowych;

k liczba wyjść sieci (neuronów warstwy wyjściowej).

^<1)

^xi ** ••• \

warstwa wejściowa	pierwsza warstwa		warstwa wyjściowa
	ukryta

Rys. Z.2.4. Model sieci wielowarstwowej .

^,r;    Mi — liczba neuronów w i-tej warstwie; W— liczba warstw w Sieci

Uczenie sieci polega naprezentacji ciągu uczącego¹ i zmianie wag neuronów taki sposób, aby błąd między odpowiedzią sieci Y (dla konkretnego wzorca a żądaną wartością na wyjściu Z był jak najmniejszy. W celu wyznaczenia tego błędu wykorzystuje się często zależność:

£ *

=    (z .2.6)

gdzie: z_m — żądana wartość na m-tym wyjściu sieci neuronów, y_m — odpowiedź neuronu na zadany wektor X,

ym = 9(X OO-

Całkowity błąd sieci można wyznaczyć jako sumę błędów dla każdego z wyjść sieci:

k

Q • V <2,    ,    (Z.2.7)

m = I

Najbardziej rozpowszechnioną i sprawdzoną metodą zmiany wartości wag jest metoda gradientowa. Według tej zasady wartość i-tej wagi m-tego neuronu jest modyfikowana o pewną wartość Aw_t^m:

(Z.2.8)

_A « f °Qm

A Wi = -T]-

Wi

m (nowe)

= W_t

m (stare)

+ A

gdzie: r\ — współczynnik regulujący szybkość zmian.

Po wstawieniu do wzoru (Z.2.8) zależności opisującej błąd sieci, otrzymujemy:

(79(0

(Z.2.9)

gdzie:    8_m = (z_m - y,j — różnica między wartością żądaną na m-tym wyjściu

sieci a wartością uzyskaną,

— sumaryczne pobudzenie m-tego neuronu.

69

1

Obok ciągu uczącego, występuje także tak zwany ciąg testujący o podobnej strukturze. Zawiera on inny zestaw par, które są wykorzystywane podczas testowania sieci.