img066 (27)

Odpowiadając tak na pytanie, czy sprawdzamy jeszcze jedną kombinację, możesz sprawdzać, co neuron zrobi w dowolnych innych okolicznościach. Przykłady takich eksperymentów pokazałem na rysunku 4.8. Sprawdzałem, co neuron zrobi, gdy pokaże mi się kwiatek pachnący, ale praktycznie bezbarwny (jednak go lubi), a potem też mało kolorowy i jeszcze w dodatku brzydko pachnący (takiego to jednak już nie lubi).

Jak wspomniałem, program 01A.BAS (podobnie jak wszystkie inne programy, które znajdziesz w tej książce) daje Ci możliwości wprowadzania zmian i poprawek we wprowadzanych danych. Na rysunku 4.9. pokazałem przykład “sesji”, w trakcie której eksperymentator zmienił zdanie i zamiast sprawdzać, co “powie” neuron, gdy mu się pokaże kwiatek pięknie pachnący i bardzo kolorowy (banalne - z góry wiadomo, że mu się spodoba!) postawił zadanie bardziej ambitne: postanowił sprawdzić, czy neuron zaakceptuje kwiatek brzydko pachnący, jeśli będzie dostatecznie kolorowy.

4.3. Co warto zaobserwować podczas dalszych eksperymentów?

Sugeruję, żebyś poświęcił nieco czasu na to, by poeksperymentować z podanym wyżej programem, gdyż zapewniam Cię, że warto. Podając różne wartości współczynników wag (nie tylko będące liczbami całkowitymi), a także różne wartości wejściowych sygnałów - szybko stwierdzisz, że badany w tej chwili liniowy neuron działa według w miarę prostej zasady. Po prostu traktuje swoje wagi jak “wzorzec” sygnału wejściowego, który chce rozpoznawać. W momencie podania na jego wejście takiej kombinacji sygnałów, która odpowiadała podanym wcześniej wagom - neuron odnajduje w nim coś znajomego i reaguje entuzjastycznie - uzyskujesz więc duży sygnał wyjściowy. W momencie podania innych sygnałów - neuron wykazuje obojętność (małe wartości sygnału wyjściowego) lub przemożny wstręt (ujemne wartości sygnału). No cóż, taka jego natura!

Bliższe badanie pokaże, że zachowaniu się neuronu określane jest głównie przez kąt, jaki tworzy wektor wag z wektorem sygnałów wejściowych. Obejrzyj to dokładniej, używając kolejnego programu, który także będzie ustalał, które kwiatki neuron lubi, a które nie - tylko że tym razem wzorzec “idealnego kwiatka” będzie pokazany dodatkowo jako punkt (albo wektor) w tak zwanej “przestrzeni wejść".

Pojęcie przestrzeni wejść (oraz związanej z nią “przestrzeni wag”) jest dość ważne, a jednocześnie dosyć proste. Celowe jest w związku z tym, byś skupił na tych pojęciach przez chwilę swoją uwagę - zwłaszcza, że chodzi o sprawy naprawdę mało skomplikowane, chociaż na pierwszy rzut oka