img265 (4)

Eleme 259

proces uczenia, po którym sieć już umie przypominać sobie zapamiętane wzorce. W trakcie tej nauki wytwarzane są takie wartości współczynników wag w całej sieci, by mogła ona osiągać stan równowag w momencie, gdy na jej wyjściu pojawiają się obrazy odpowiadające zapamiętanym wzorcom.

Po nauce sieć jest gotowa do “egzaminu”. Możesz to sam sprawdzić. W tym celu najpierw wskazujesz numer wzorca, którego stopień opanowania chcesz sprawdzić. Wzorce wraz z numerami są w tym momencie widoczne u góry ekranu, możesz więc wybrać ten, który sieć ma sobie przypomnieć. Powiększony obraz wybranego wzorca pojawia się w oknie u dołu ekranu, a wybrana miara jego podobieństwa (lub różnicy - patrz dalej) w stosunku do wszystkich innych wzorców pojawia się u góry, bezpośrednio pod miniaturowymi obrazkami wszystkich wzorców. Teraz możesz poddać torturom wybrany wzorzec, nietrudno bowiem przypomnieć sobie obrazek na podstawie jego idealnego wyobrażenia, co innego natomiast, gdy obraz zostanie losowo zniekształcony! 0, wtedy właśnie sieć musi się wykazać swoimi umiejętnościami kojarzenia - i o to właśnie chodzi.

Program pyta więc, ile punktów ma zmienić (możesz podać dowolną liczbę od 0 do 96) i zmienia (w sposób przypadkowy) tyle punktów wzorca, jaką liczbę Ty podasz. Zniekształcony wzorzec pojawia się obok wzorca wyjściowego, a miary jego “powinowactwa” z poszczególnymi wzorcami pojawiają się jako kolejny rządek liczb poniżej miniaturowych obrazków wzorców u góry ekranu.

Radzę Ci: nie stosuj na początku za dużych deformacji obrazu, bo trudno będzie rozpoznać w zmasakrowanym wzorcu jego pierwotny kształt - nie tylko sieci, ale i Tobie. Z doświadczenia mogę Ci zasugerować, że sieć nieźle sobie radzi przy zniekształceniach nie przekraczających 15 punktów. Dobre efekty osiąga się też - na pozór paradoksalnie - przy bardzo dużej liczbie zmienionych punktów. Wynika to z faktu, że przy dużych liczbach zmienianych punktów obraz zachowuje swój kształt, dochodzi jednak do wymiany punktów białych na czarne i odwrotnie. Na przykład po wybraniu liczby 96 jako liczby zmienianych punktów obraz zamienia się na swój idealnie dokładny negatyw. Tymczasem negatyw to w istocie ta sama informacja, co można łatwo w modelowanej sieci prześledzić. Przy liczbie zmienianych punktów nieco mniejszej od 96 powstaje też obraz dobrze dla sieci rozpoznawalny - negatyw z niewielkimi zmianami i sieć także “przypomina sobie” znajomy obraz bez kłopotu. Natomiast fatalnie zle wyniki daje próba odtwarzania wzorca przy zniekształceniach wynoszących od 30 do 70 punktów - sieć coś tam niby sobie przypomina, ale zwykle wzorzec odtworzony zostaje bardzo późno (potrzeba wielu iteracji, zanim obraz się ustali) a rekonstrukcja wzorca odbywa się w sposób niedoskonały (pozostają spore zniekształcenia).