img149 (7)

Elementarne wprowadzenie do te ii neuronowych 143

których ustalone są obie współrzędne (w ten sposób wiadomo, w którym miejscu taki punkt zaznaczyć na ekranie) oraz wiadomo, jaka w tym punkcie jest oczekiwana poprawna odpowiedź sieci (rys. 8.5).

Rys. 8.5. Przykładowy ciąg uczący wygenerowany przez program 09.BAS

O tym, w których miejscach znajdą się punkty, dla których oczekiwana (pożądana) decyzja sieci ma być pozytywna, a gdzie są obszary, dla których odpowiedź sieci powinna być negatywna - decydujesz Ty. Mógłbym Ci pozwolić wprowadzać odpowiednie dane “z palca”, na zasadzie trójek liczb -dwie wejściowe współrzędne i pożądana odpowiedź sieci - ale dla stworzenia sensownego zadania musiał byś okropnie się napracować, a jego obraz w postaci “mapy preferencji” mógłby być trudny do interpretacji. Dlatego zdecydowałem, że ciąg uczący program będzie generował automatycznie, a Twoim zadaniem będzie wskazać mu, gdzie chcesz mieć pozytywne, a gdzie negatywne reakcje sieci. I znowu - mógłbym umożliwić Ci stworzenie całkiem dowolnych obszarów pozytywnych i negatywnych decyzji, które następnie podlegały by procesowi uczenia i były by celem rozpoznawania dla sieci - ale takie założenie wymagało by stworzenia w programie pełnego edytora graficznego, skomplikowanego w działaniu i w obsłudze. Dlatego wybrałem rozwiązanie kompromisowe - obszary pozytywnych decyzji, to znaczy fragmenty przestrzeni sygnałów wejściowych, w których sieć powinna odpowiadać “tak” (czerwone punkty na wykresie) stanowić będą wnętrze trzech okręgów. To dość duże ograniczenie, ale to pozwoli Ci szybko i wygodnie tworzyć zadania dla sieci i - dzięki temu, że będziesz mógł konstruować swoje obszary z dowolnie wybranych kól - będziesz miał możliwość tworzenia interesując skomplikowanych zadań.

W związku z omówionymi tu zasadami pracy program (po wybraniu struktury badanej sieci) trzy razy zapyta Cię o parametry okręgu i za każdym razem musisz podać trzy liczby rozdzielone przecinkami: są to współrzędne x i y środka koła i jego promień ( rys. 8.6).