img210 (5)

204 samouczące się

Radą na opisane kłopoty może być złagodzenie konkurencji. Jeśli po pytaniu zadawanym na wstępie przez program odpowiesz TAK (naciskając klawisz “t”) - wówczas program stosować będzie konkurencję ograniczoną. W efekcie działania takiej złagodzonej konkurencji neurony są bardziej równomiernie dzielone między klasy obiektów wymagające rozpoznawania, w wyniku czego nie będą miały miejsca gorszące sceny wydzierania przez nowe klasy neuronów już wcześniej zaanektowanych przez inne klasy. Niestety - zamiast tego zauważysz inne martwiące zjawisko: w pewnych okolicznościach (zwłaszcza przy niewielkiej liczbie neuronów) może dochodzić do sytuacji, że po pokazaniu kolejnego obiektu żaden neuron nie uzyska statusu zwycięzcy (rys. 9.42).

Rys. 9.42. Omijanie niektórych klas przy złagodzonej konkurencji Używając programu 10C.BAS przy złagodzonej konkurencji będziesz mógł to zjawisko dokładnie przebadać i przeanalizować. Będzie to tym łatwiejsze, że program w tym trybie pracy stosuje specjalne markery, oznaczające położenie wzorców pomijanych klas (to znaczy takich klas, dla których żaden neuron nie okazał się zwycięzcą).

Przekonasz się, że przy braku ostrej konkurencji często będziesz się spotykał z sytuacją takich właśnie pominięć, zwłaszcza wtedy, gdy modelował będziesz małe sieci (o niewielkiej liczbie neuronów). W takich przypadkach dla większości klas w sieci wytworzą się - całkowicie samorzutnie! - wzorce pozwalające na późniejsze automatyczne rozpoznawanie odpowiednich klas sygnałów, ale dla “pechowej” klasy, której żaden neuron nie chce sygnalizować - w ogóle nie wytworzą się w sieci wyspecjalizowane detektory.

Nigdy nie widziałeś sytuacji, że ktoś świetnie uczy się historii, geografii, języków - a matematyka w żaden sposób “nie wchodzi mu do głowy”?