img156 (13)

150 Formy

Jeśli powtórzysz opisane tu eksperymenty na swoim komputerze - niewątpliwie uzyskasz inny obraz stanu początkowych preferencji sieci, ponieważ -jak już zapewne zdążyłeś się przyzwyczaić - jest on przypadkowy. Szczegóły nie są jednak ważne. Widać, że stan pożądany (z punktu widzenia nauczyciela) i stan rzeczywisty znacznie różnią się od siebie (tak jest w opisywanych tu badaniach prawie zawsze) i dlatego podejmowane jest intensywne uczenie sieci.

Kolejne kroki procesu uczenie inicjujesz, podając, ile kroków uczenia chcesz wykonać, zanim program znowu pokaże Ci mapę rozkładu decyzji podejmowanych przez sieć. Radzę Ci, żebyś w małych sieciach stosował “podglądanie” efektów uczenia stosunkowo często, na przykład co 10 kroków. Natomiast dla sieci dużych, o wielu elementach w warstwach ukrytych - trzeba większej porcji nauki, żeby wyniki stały się zauważalne. Wystarczy więc tylko podawać długości kolejnych epok procesu uczenia, a potem siedzieć, patrzeć, porównywać i wyciągać wnioski. W ten sposób można dowiedzieć się znacznie więcej na temat sieci, niż przez studiowanie książek czy artykułów naukowych!

Proponuję, żebyś teraz uważnie przejrzał kolejne etapy uczenia z kilku przykładów, które ja przerobiłem przygotowując tę książkę - chociaż zapewne Ty usiłując iść moim tropem uzyskasz na swoim komputerze nieco inne obrazy. Przynajmniej będziesz wiedział, czego się spodziewać!

Po pierwszym etapie uczenia wyświetlony kwadrat (patrz rysunek 8.11) pokazuje obraz bardzo podobny do tego, który odpowiadał początkowym (“wrodzonym”) właściwościom systemu. Oznacza to, że mimo intensywnego treningu sieć nie chce “wyrzec się swoich przekonań”. Takie początkowe trwanie w błędach jest dosyć typowe dla uczenia sieci neuronowych i znajduje także swoje potwierdzenia w uczeniu ludzi i zwierząt.

Rys. 8.11. Stan po pierwszym okresie uczenia sieci.

Następny etapu uczenia wnosi do rysunku kolejny kwadrat i pokazuje pewien pośredni etap procesu uczenia - sieć zaczyna w zauważalny sposób zmieniać swoje zachowanie, ale jest jeszcze daleka od ostatecznego rozwiązania - linia graniczna między obszarem pozytywnych i negatywnych decyzji przebiega prawie poziomo (rys. 8.12). Sieci w tym momencie wydaje się,