img094 (19)

typowy obiekt który powinien byc rozpoznawany przez drugi neuron 1,-2,1,-2,-4 -1,1,-1

typowy obiekt który powinien byc rozpoznawany przez trzeci neuron

-3,2,-5,3,1

-1,-1,1

nietypowy obiekt który pomnien byc rozpoznawany przez pierwszy neuron 4,2,5,3,2 .8,-1,-1

nietypowy obiekt który powinien byc rozpoznawany przez drugi neuron

O,-1,0,-3,-3

-1,.8,-1

nietypowy obiekt który powinien byc rozpoznawany przez trzeci neuron -5,1,-1,4,2 -1,-1,.8

obiekt który powinien byc odrzucany przez wszystkie neurony -1,-1,-1,-1,-1 -1,-1,-1

Ty jednak możesz oczywiście wymyślić i zastosować dowolny inny zbiór uczący; możesz także przygotować sobie kilka plików z różnymi danymi i porównywać, jak dobrze uczy się sieć różnych zadań. Możliwości eksperymentów jest przynajmniej tyle samo, jak w przypadku uczenia pojedynczego neuronu, opisanego w początkowej części rozdziału, i warto zobaczyć i własnoręcznie się przekonać, jak przebiega proces uczenia w zależności od początkowych wartości wag, współczynnika uczenia i różnych modyfikacji ciągu uczącego.

Program, który teraz będziesz badał, informuje o stanie procesu uczenia i wartościach poszczególnych zmiennych nieco mniej szczegółowo, niż program wcześniej omówiony (03.BAS), ponieważ przy większej liczbie neuronów zbyt dokładny wgląd w to, co robi każdy pojedynczy neuron, mógłby okazać się kłopotliwy - program zasypał by Cię lawiną informacji, wśród których trudno było by Ci wyłuskać te istotne. Dlatego wgląd w proces uczenia dawany przez program 04.BAS jest bardziej syntetyczny - od razu dla wszystkich trzech neuronów rozważanej sieci, jak widać m.in. na rysunku 5.8.

Nie przeszkadza to jednak w uzyskaniu wglądu w to, co najbardziej istotne - w postęp procesu uczenia, co można zobaczyć porównując rysunek 5.8 z rysunkiem 5.9.