img083 (20)

Elementarne wprowadzenie do techniki sieci neuronowych

4.9. Jakie są dalsze możliwości wykorzystania sieci neuronowej?

Opisana wyżej sieć przeznaczona była do rozpoznawania pewnych zestawów informacji, traktowanych jako zbiór cech pewnych rozpoznawanych indywiduów. Nie jest to jednak jedyne możliwe zastosowanie opisywanych tu prostych jednowarstwowych sieci zbudowanych z neuronów o liniowej charakterystyce. Sieci tego typu bywają także dość chętnie wykorzystywane do wielu innych celów, na przykład do filtracji sygnałów (zwłaszcza jako filtry adaptacyjne, o zmieniających się właściwościach w zależności od potrzeb). Mają one także liczne zastosowania przy różnego rodzaju transformacjach sygnałów (mowy, muzyki, sygnału video, sygnałów medycznych - EKG, EEG, EMG) - na przykład mogą wydobywać widmo sygnału albo rozkładać wejściowe dane wg. tzw. metody składowych kanonicznych (Principal componenłs). Wymieniam tu tylko kilka przykładowych zadań, ale oczywiście wykorzystanie każdej sieci - nawet takiej prostej, jak wyżej opisana - może.być bardzo różne.

0 wszystkim decyduje bowiem przyjęty zestaw wag dla wszystkich używanych neuronów. Dobierając inny zestaw wag otrzymujemy inne działanie sieci, tak jak zmieniając program otrzymujemy inne działanie konwencjonalnego komputera. W opisywanych wyżej przykładach korzystaliśmy z wag narzucanych arbitralnie (trzeba było samemu wymyślić, jakie współczynniki wag mają mieć wszystkie używane neurony), co można interpretować w taki sposób, że narzucaliśmy sieci program działania. Dla niewielu neuronów występujących w sieci, a także dla prostej i w miarę oczywistej interpretacji współczynników wag w niej występujących (jak to na przykład było w przykładzie związanym z rozpoznawaniem zwierząt) - takie “ręczne programowanie” sieci może mieć miejsce i może dawać dobre wyniki. Jednak w praktycznych zastosowaniach występują sieci mające bardzo wiele elementów, w których rola i zadania pojedynczego neuronu są trudne do prześledzenia, dlatego bardziej użyteczne są oczywiście sieci, które same wybierają sobie współczynniki wag w wyniku procesu uczenia. W związku z tym w następnym rozdziale zajmiemy się starannie tym, co najważniejsze - zagadnieniami uczenia sieci.