img045 (45)

Elementarne wprowadzenie do techniki sieci neuronowych

sieć nauczy się wykrywać i rozróżniać między sobą różne typy sygnałów wejściowych, które pojawiają się na jej wejściu: oddzielnie skały i kamienie, oddzielnie formy roślinne (jeśli będą) a oddzielnie żywe organizmy. Jeśli damy sieci wystarczająco dużo czasu - może się tak wyszkolić, że potrafi odróżniać Marsjan od Marsjanek - chociaż jej twórca nie wiedział nawet, że oni istnieją!

Oczywiście opisany wyżej samouczący się lądownik marsjański jest wyłącznie tworem hipotetycznym, chociaż sieci same tworzące i rozpoznające różne wzorce istnieją i są chętnie stosowane. Na przykład może nas interesować, ile i jakich form pewnej mało znanej choroby w istocie występuje. Czy jest to jedna jednostka chorobowa, czy kilka? Czym się różnią? Jak je leczyć? Wystarczy wtedy wziąć samouczącą się sieć neuronową i dostatecznie długo pokazywać jej informacje o rejestrowanych pacjentach i ich symptomach. Po pewnym czasie sieć poda informację, ile typowych grup symptomów i objawów da się wykryć i na podstawie jakich kryteriów można odróżniać pacjentów zaliczanych do różnych grup. Do badacza należy wtedy tylko nadanie tym grupom odpowiednio mądrze brzmiących łacińskich nazw chorych i już może biec do krawca, żeby przymierzyć frak uszyty na uroczystość wręczenia Nagrody Nobla!

Opisana metoda samouczenia ma oczywiście (jak wszystko na tym święcie) określone wady - opiszę je jednak nieco później, kiedy już będzie jasne, jak to wszystko działa. Ma ona jednak tak wiele niezaprzeczalnych zalet, że dziwić się należy jej stosunkowo małej popularności!

3.3. Gdzie i jak sieci neuronowe gromadzą zdobytą wiedzę?

Przeanalizujmy teraz bliżej proces uczenia z nauczycielem. Jak to się dzieje, że sieć zdobywa i gromadzi wiedzę? Otóż kluczowym pojęciem są tu opisane w poprzednim rozdziale wagi wejść poszczególnych neuronów. Przypomnijmy: każdy neuron ma wiele wejść, za pomocą których odbiera sygnały od innych neuronów oraz sygnały wejściowe podawane do sieci jako dane do obliczeń. Z wejściami tymi skojarzone są parametry nazywane wagami; każdy sygnał wejściowy jest najpierw przemnażany przez wagę, a dopiero później sumowany z innymi sygnałami. Jeśli zmienią się wartości wag -neuron zacznie pełnić innego rodzaju funkcję w sieci, a co za tym idzie -cala sieć zacznie inaczej działać.

Cała sztuka uczenia sieci polega więc na tym, by tak dobrać wagi, żeby wszystkie neurony wykonywały dokładnie takie czynności, jakich się od nich wymaga.