img096 (19)

Uczenie prostych liniowych sieci jedr

Rys. 5.10. Przebieg egzaminu sieci w programie 04.BAS Jak możesz zauważyć na rysunku 5.10 - sieć po nauczeniu daje sobie nie najgorzej radę z obiektem, który nie byl pokazywany w ciągu uczącym, ale jest podobny do obiektu, który miał rozpoznawać pierwszy neuron. Zauważ, że podczas egzaminu tylko pierwszy neuron ma dodatnią wartość wyjściowego sygnału, co zdecydowanie i jednoznacznie wskazuje, że rozpoznawanie zakończyło się sukcesem. Jednak nietypowość sytuacji spowodowała, że neurony nr 2 i 3, które powinny się były zdecydowanie wyrzec tego obiektu, miały wątpliwości - ich odpowiedzi były chwiejne i nie zdecydowane. Jest to sytuacja dość typowa. Wymagając od sieci uogólnienia zdobytej w trakcie uczenia wiedzy prawie zawsze spotykamy się z jej niepewnym zachowaniem polegającym na tym, że łatwiej jest osiągnąć sukces (na przykład poprawne rozpoznanie), niż uzyskać dużą pewność i niezawodność działania.

Obserwując proces uczenia sieci zauważysz zapewne, że wśród żądań, które jej stawiasz w trakcie uczenia (w postaci odpowiednich przykładów wchodzących w skiad ciągu uczącego) są takie, które sieć potrafi rozwiązać łatwo i szybko, oraz takie, które przychodzą jej z dużym trudem. W odniesieniu do pokazanego przeze mnie wyżej przykładowego pliku UCZĄCYS łatwe są wszystkie zadania polegające na konieczności rozpoznawania przez konkretne neurony konkretnych - typowych lub nietypowych - wzorców. Natomiast trudny do nauczenia okazuje się przykład obiektu, który wszystkie neurony powinny odrzucić. Na rysunku 5.11 pokazałem jeden z bardzo dalekich etapów procesu uczenia, kiedy rozpoznawanie konkretnych obie-