img273 (6)

oprowadzenie do techniki sieci neuronowych 267

Aktualnie wprowadzany wzorzec litery E okazuje się stosunkowo słabo zróżnicowany w stosunku do pozostałych. Miara jego podobieństwa do wzorca liter A wynosi 22 (to jeszcze całkiem przyzwoity wynik), ale ze wzorcem litery B wiąże go siła 74 jednostek, a z pozostałymi wzorcami C i D siła 56. Program ostrzega, że wprowadzany wzorzec będzie się mylił ze wzorcem litery B (nic dziwnego...). Oczywiście decyzja należy do Ciebie, ja jednak w moich badaniach taki wzorzec bym zdecydowanie odrzucił. Warto może zauważyć, że wzięcie inwersji wzorca nie zmienia stopnia jego podobieństwa do rozważanych wcześniej wzorców (rys. 11.25).

Rys. 11.25. Wzorzec w inwersji wykazuje ten sam stopień podobieństwa do wcześniej podanych wzorców

Wróćmy do szczegółów technicznych. Ta miara stopnia podobieństwa nowego obrazka do poszczególnych już wcześniej zdefiniowanych wzorców, która proponowana jest przez program jako podstawowy miernik - obliczana jest w programie jako tak zwany iloczyn skalarny wektorów opisujących te sygnały w przestrzeni sygnałów wejściowych (dokładniej - brana jest tu pod uwagę bezwzględna wartość iloczynu skalarnego, ale naprawdę nie musisz się zastanawiać nad tym, co to znaczy). Przypomina o tym czerwony napis wyświetlany u dołu ekranu. Wystarczy jednak, że naciśniesz klawisz R - a program przestawi się na inny sposób oceny podobieństw wzorców i będzie wyznaczał tak zwane odległości Hamminga (rys. 11.26).

Zauważ, że na rysunku 11.26 liczby pod poszczególnymi wzorcami są odmienne - teraz ten wzorzec, który jest najbardziej podobny, wykazuje najmniejszą odległość od tego obrazka, który wprowadziłeś.