Sieci CP str039

39

Rozdział 3. Liniowe siwi neuronowe

mu taką strategię uczenia, by zapamięta] i potrafi! potem rozpoznać aktualnie wprowadzany sygnał X. Inne neurony sieci są w tym czasie bezczynne. Omówiona zasada uczenia może być zapisana jako

wJ^mW+,) = tĄ^m){i) + »/'> (x\^S) - w\^m)U))

Wydaje się, że po wszystkim co do tej pory napisano — nie ma już potrzeby komentowania tego prostego wzoru. Można tylko dodać, że z praktyki stosowania metody wynikają pewne zalecenia odnośnie wyboru wartości r/-’), które powinny zmieniać się zgodnie z empiryczną regułą:

tj^W)=0,l-A j

przy czym współczynnik A trzeba wybrać na tyle mały, by w ciągu całego uczenia zachodził warunek r/W > 0.

Na zasadzie analogii do instar można wprowadzić także drugą propozycję Grossberga — koncepcję outstar. W koncepcji tej rozważa się wagi wszystkich neuronów całej warstwy, jednak wybiera się wyłącznie wagi łączące te neurony z pewnym ustalonym wejściem. W sieciach wielowarstwowych wejście to pochodzi od pewnego ustalonego neuronu wcześniejszej warstwy i to właśnie ten neuron staje się „gwiazdą wyjść” outstar. Wzór opisujący uczenie sieci outstar jest następujący;

_roS""^w+l 1 =    + ,/> > Otf - ®{^MX»)

Warto raz jeszcze podkreślić odmienność powyższego wzoru w stosunku do poprzednio rozważanych. Tutaj * jest ustalone (arbitralnie łub w jakiś inny sposób), natomiast m jest zmienne i przebiega wszystkie możliwe wartości (m = 1,2,Reguła zmieniania ijk) jest w tym wypadku nieco inna, niż przy instar i może być dana wzorem:

Jl^(j) = 1 - A j

0    ile metoda instar stosowana jest w przypadku, kiedy trzeba sieć nauczyć rozpoznawania określonego sygnału X. o tyle metoda outstar znajduje zastosowanie przy uczeniu sieci wytwarzania określonego wzorca zachowań Y w odpowiedzi na określony sygnał inicjujący x<.

Reguły uczenia podane przez Hełiba i Grossberga były przez wielu badaczy wzbogacane

1    modyfikowane. Pierwsza interesująca modyfikacja polega na wprowadzeniu dyskryminacji

wejściowych i wyjściowych sygnałów. Dyskryminacja ta polega na dzieleniu sygnałów oraz y"m na ..aktywne” i „nie aktywne”. W tym celu używa się parametru    będącego

ustaloną lub zależną od j wartością progową i wprowadza się nowe zmienne    oraz

zdefiniowane w sposób następujący:

gdy x\^j) > €

oraz

w przeciwnym przypadku gdy > £

w przeciwnym przypadku

Przy tych oznaczeniach nową technikę uczenia wg zmodyfikowanego algortmu llebba zapisać można w postaci: