img243 (6)

ulżenie do techniki sieci neuronowych 237

m		/\ / \	A ' \	A,
n	V ■*-----	\ A V Vl	ŁN

Rys. 10.30. Jeszcze jeden przykład odwzorowania dwuwymiarowej przestrzeni wejść w jednowymiarowej sieci

Spójrz na rysunki 10.28, 10.29 i 10.30. Widać na nich, że jednowymiarowa sieć dość sensownie wpisuje się w wyróżniony obszar przestrzeni sygnałów wejściowych - gwarantując dwie dość ważne zalety.

•    Po pierwsze łańcuch neuronów, będący jednowymiarową siecią, wypełnia (w lepszy lub gorszy sposób) cały wybrany obszar przestrzeni sygnałów wejściowych. Oznacza to, że dla każdego punktu dwuwymiarowej przestrzeni sygnałów wejściowych jest w jednowymiarowej sieci neuronowej jego reprezentant, który będzie sygnalizował jego pojawienie się. Nie ma w wielowymiarowej przestrzeni wejściowej punktów czy obszarów “bezpańskich”.

•    Po drugie obiektom, które w przestrzeni sygnałów wejściowych są położone blisko siebie (a więc zapewne są w jakimś sensie podobne do siebie nawzajem) - odpowiadają w jednowymiarowym łańcuchu neuronów sąsiadujące ze sobą neurony. Niestety, tak jest na ogól, ale nie zawsze trzeba się więc liczyć z możliwością pomyłek (rys. 10.31), jednak w znaczącym odsetku punktów przestrzeni sygnałów wejściowych fakt, że jakieś dwa stany wejść są sygnalizowane przez sąsiednie neurony upoważnia do twierdzenia, że są to stany podobne.

Zastanówmy się wspólnie, jakie to może mieć znaczenie. Otóż w ogromnej liczbie zadań związanych z informatyką spotykamy się z podobnym i bardzo trudnym problemem. Dla uzyskania orientacji w pewnych zjawiskach i w pewnych procesach gromadzone są ogromne ilości danych. Na przykład żeby zorientować się w aktualnym stanie reaktora jądrowego w dużej elek-