img022 (61)

Wprowadzenie

“trenujemy” mogą być także obarczone błędami, a także decyzje nauczyciela, na których sieć ma się wzorować bywają błędne (zdarza się to zwłaszcza w zadaniach rozpoznawania obrazów). Okazuje się, że sieć potrafi te losowe zjawiska “uśrednić”, uzyskując zwykle bardziej klarowny obraz rozpoznawanego wzorca, niż by wynikało z podawanych w trakcie uczenia przykładów. Sieć wykazuje też zwiększoną odporność na uszkodzenia - potrafi zwykle działać poprawnie nawet w przypadku, kiedy część jej elementów jest uszkodzona, połączenia są zerwane, a informacje zawarte w strukturze sieci (to one zawierają właśnie zgromadzoną w toku uczenia “widzę” sieci) są bezpowrotnie stracone. Takich właściwości nie ma żaden z komputerów, natomiast są one dobrze znane neurologom, gdyż mózg człowieka wykazuje właśnie zdumiewające zdolności poprawnego działania mimo bardzo obszernych niekiedy uszkodzeń.

Istota procesu uczenia polega na tym, że sieci przedstawia się przykłady zadań poprawnie rozwiązanych, a sieć najpierw sama próbuje rozwiązać zadanie, potem porównuje wynik swojego działania z rozwiązaniem podanym przez nauczyciela. Zwykle oczywiście w wyniku takiego porównania na początku procesu uczenia stwierdza się, że występuje pewien błąd - bo niby skąd taka nie uczona sieć miała by wiedzieć, czego nauczyciel od niej żąda? Jeśli jednak błąd zostanie wykryty to wówczas sieć (całkiem sama!) tak zmienia wartości współczynników (“wag”) we wszystkich neuronach, żeby ten błąd zmniejszyć. Znany jest precyzyjny algorytm, dokładnie określający, jak należy to robić, więc można to zawsze efektywnie i w pełni automatycznie zrobić - zarówno w małej, jednowarstwowej (por. rys. 1.11) jak i - nieco trudniej - w dowolnie dużej sieci (nieco więcej dowiesz się o tym studiując kolejne rozdziały).

Ponieważ - generalnie - zachowanie sieci zależy od wartości wag występujących w niej neuronów, zatem dla każdej wartości wag możemy ustalić, jaki błąd będzie popełniała sieć¹. Na rysunku 1.12 starałem się pokazać o co tu chodzi - maksymalnie obrazowo. Zauważ, że nad poziomo położoną płaszczyzną, na której można zaznaczać wszelkie zestawy współczynników wag, traktowane jako wektory, rozpięta jest powierzchnia określająca dla każdego z takich wektorów - błąd jaki przy takich właśnie parametrach popełnia sieć. Każdemu punktowi na płaszczyźnie (czyli każdemu wektorowi wag) odpowiada jakaś konkretna wartość błędu. Na przykład wektorowi wag oznaczonemu w₃ (zielony punkt na płaszczyźnie poziomej) odpowiada pewien błąd (ustalany w wyniku skonfrontowania działania sieci

jednego z nich kosztem zdecydowanego pogarszania jakości rozwiązywania pozostałych.