Sieci neuronowe samouczące się
nia realnie występujących obiektów, ale wyraźnie stawiające opór (rys. 9.27). Ich poglądy są odmienne od poglądów większości, co gorsza - codzienność pokazuje, że są to poglądy błędne - one jednak wolą trzymać się pięknej bajki, niż uznać prawa realnego świata, gdzie liczy się tylko forsa i ... No, ale zostawmy to i wróćmy do sieci neuronowej. Po pewnym czasie “zbuntowane” neurony zostają wchłonięte przez masę, dostosowane do większości, sprowadzone na prawdziwą drogę. Jednak w tym ich buncie jest coś pięknego. Ponadto zauważ, że w przypadku, kiedy w świecie dostarczającym sieci neuronowej wejściowych “wrażeń” pojawi się coś nowego i naprawdę nieoczekiwanego - właśnie tacy nie dostosowani marzyciele mają szansę na wielką wygraną, której nie zdobędzie wtedy tłum idealnie dostosowanych konformistów. Szkoda tylko, że zdarza się to tak rzadko - nawet w sieciach neuronowych!
■ | |
- ■ ■ |
......4 |
.Powracające' neurony
Rys. 9.27. Przyciągnięcie do realnego atraktora neuronów, które uciekły w początkowym etapie procesu ucznia Na koniec spróbuj zauważyć i przeanalizować w swojej sieci kolejne zjawisko. Otóż podejmując badania z niewielkimi ilościami samouczących się neuronów możesz zauważyć, że często pojawiające się obiekty mogą “odciągać” neurony od innych, rzadziej pojawiających się klas. W skrajnych przypadkach może dochodzić wręcz do swoistego “porywania” przez często powtarzające się obiekty tych neuronów, które wcześniej już całkiem dobrze lokalizowały inne wzorce, które jednak obecnie przestały się pojawiać. Na