img198 (8)

192

Sieci neuronowe:

się

- nie. Po bardzo krótkim czasie dochodzi w tej sytuacji do “rabunku”. Neurony, które rozpoznawały obiekty klasy 1 pospiesznie przekwalifikowują się i zaczynają specjalizować się w rozpoznawaniu innej klasy (w pokazanym przykładzie - klasy nr 4 - patrz rys. 9.30 lewa strona). W ten sposób klasa, która była poprzednio szczególnie dobrze rozpoznawana - popada w zapomnienie. Nie całkiem, bo nawet po bardzo długim procesie uczenia pozostał pewien ślad pamięciowy, który sygnalizuje, że kiedyś taka klasa była (rys. 9.30 po prawej stronie), jednak ślad ten jest slaby (tylko jeden neuron) i mocno zniekształcony (położenie tego neuronu uległo znacznemu przemieszczeniu w stosunku do położenia pierwotnego).

Zauważ, że z Twoim własnym umysłem bywa podobnie - na przykład podczas wakacji możesz zainteresować się botaniką i poznać nazwy wielu roślin, a także nauczyć się je identyfikować i klasyfikować. Jeśli jednak nie będziesz do tej wiedzy wracał i stale ją utrwalał - nabyte pojęcia i kryteria rozpoznawania zostaną zatarte przez nowe informacje (na przykład umiejętność rozróżniania nowych marek samochodów), w wyniku czego już na początku kolejnego lata powiesz z westchnieniem: Jaka piękna lqka! Ile kwiatów! Kiedyś wiedziałem, jak się każdy z nich nazywa...

9.5. Czy każde dane wejściowe spowodują samo-uczenie się sieci?

Trochę nas te fantazje na końcu poprzedniego podrozdziału za bardzo odciągnęły od głównego celu, to znaczy od poznania, jak działa samoucząca się sieć neuronowa. Pozostawiając więc chwilowo na uboczu te analogie możesz stwierdzić i zaobserwować jedno: w rezultacie spontaniczności procesu samouczenia reprezentacja w sieci neuronowej jednych klas może być bardziej liczna (wiele neuronów wykrywa i sygnalizuje obiekty tych właśnie klas), inne natomiast klasy obiektów mogą być reprezentowane słabo - lub zgoła wcale! Jest to duży mankament rozważanych tu metod samouczenia, którym zajmiemy się dokładniej w podrozdziale 9.6.

Teraz natomiast chcę jeszcze raz podkreślić i naocznie Ci pokazać, że proces samoorganizacji i samouczenia tylko wtedy zachodzi, jeśli w wejściowym ciągu danych uczących istnieje pewna prawidłowość, na której sieć się może oprzeć. W dotychczasowych eksperymentach z programem 10B.BAS miałeś sytuację grzeczną i dobrze ustawioną, ponieważ obiekty, które były “pokazywane” sieci - należały do czterech ustalonych klas i zajmowały w przestrzeni sygnałów położenia znajdujące się w centrum poszczególnych ćwiartek układu współrzędnych. Obiekty te pojawiały się wprawdzie losowo, ale nie były lokowane w losowych miejscach. Każdorazo-