img134 (13)

128

nego związku ze szkolną matematyką i znajduje swój idealny wzorzec jedynie w łupieżczych wyprawach Wikingów. Natomiast jest sprawą bezsporną, że nauka wyidealizowanej fizyki pomaga w zrozumieniu bardzo praktycznej techniki, nauka biologii jest przydatna w uprawie roli i hodowli zwierząt a nauka geografii pomaga w gospodarce przestrzennej. Z sieciami neuronowymi jest - jak widać - podobnie. Dążąc do osiągania idealnych celów stawianych im podczas nauki przez nauczyciela, zbliżają się one do wyznaczonej im roli praktycznie użytecznego narzędzia.

Wróćmy do omawianego programu. Podczas uczenia sieci Twoja rola ograniczać się będzie do obserwacji. Wystarczy więc, że będziesz siedział, naciskał dowolny klawisz i uważnie obserwował, co się dzieje na ekranie. Wszystko - początkowe wartości wag, sygnały wejściowe i wzorce poprawnych rozpoznań - program generuje sam. Niektóre z tych danych dla sieci wybierane są w sposób losowy (początkowe wagi i sygnały wejściowe), ale wzorce poprawnych rozpoznań, na podstawie których sieć będzie się uczyć, nie są przypadkowe! Spróbuj jednak sam odczytać z programu lub na podstawie obserwacji jego działania, jaka zasada tu obowiązuje, bo nie chcę Ci psuć przyjemności. Zresztą nie musisz tej zasady znać - wystarczy, że sieć w trakcie procesu uczenia sama odkryje, o co tu chodzi - i będzie poprawnie klasyfikowała sygnały. Przekonasz się, że potrafi ona to zrobić, nawet wtedy, jeśli Ty - nie potrafisz!

Teraz kilka słów o działaniu programu i o jego obsłudze.

Na początku program pokazuje tylko strukturę sieci, o czym zresztą usłużnie informuje napis u góry ekranu (w kolorze czerwonym) - rys. 7.12. Zauważ, że źródła “pseudosygnałów” BIAS zaznaczone zostały tym razem kolorem żółtym, żeby się nie myliły ze źródłami (i wartościami) prawdziwych sygnałów, uczestniczących w procesie uczenia. Potem program pokaże Ci wartości współczynników Wagowych - wybrane na początku losowo dla wszystkich wejść wszystkich neuronów (rys. 7.13). Gdy już sobie dobrze obejrzysz sieć i jej parametry - po kolejnym naciśnięciu klawisza pojawiają się wartości sygnałów wejściowych podawane przez neurony oznaczone numerami (0,0) i (0,1) - rys. 7.14. Od tego momentu zacznie się proces uczenia, jednak Twoja aktywna rola ograniczy się do tego, że kolejnym naciskaniem dowolnego klawisza uruchomisz i będziesz prowadził symulację modelowanej sieci (rys. 7.15). Najpierw pokazane zostaną sygnały obliczone w poszczególnych neuronach podczas przesyłania sygnałów od wejścia do wyjścia. Jest to faza “propagacji w przód” - sygnały wejściowe przeliczane są przez neurony na ich sygnały wyjściowe i proces ten odbywa się kolejno na wszystkich warstwach - od wejścia do wyjścia. Tę fazę miałeś już okazję oglądać podczas eksperymentów z programem 08A.BAS. Obec-