img247 (6)

Elementarne wprowadzenie do techniki sieci neuronowych 241

Kolumbowie Neurokomputingu, Nowa Ziemia, fascynujący świat sieci neuronowych - czeka na Was!

Jak się zapewne już przekonałeś obserwując pracę programu 11.BAS masz wpływ na następujące parametry sterujące procesem samouczenia sieci (numery parametrów podane tutaj są te same, jak na ekranie podczas pracy):

1.    Możesz zmieniać kształt podobszaru przestrzeni sygnałów wejściowych, z którego rekrutowane są losowo pokazywane sygnały wejściowe i który jest wypełniany “siatką” rozpinaną przez sieć. Tutaj zbyt wielu epokowych odkryć dokonać się nie da, ale zmiany tego parametru (powodujące, że wypełniany obszar raz jest kwadratem, innym razem trójkątem, a jeszcze kiedy indziej ma kształt krzyża - możesz zresztą podłubać trochę w programie i dodać jakieś dalsze kształty obszarów od siebie) dają bardzo efektowne i godne obejrzenia zmiany w zachowaniu samouczącej się sieci. Trochę z tych zmian mogłeś obejrzeć na zamieszczanych w tym rozdziale rysunkach, ale zapewniam Cię, że z całą pewnością nie są to wszystkie możliwe do uzyskania obrazy! Bardzo ciekawe efekty dają zwłaszcza próby “przeuczania” sieci, która początkowo nauczy się wypełniać - na przykład - krzyż, a potem może się rozwinąć do prostokąta lub zwinąć do trójkąta. Gorąco polecam na długie jesienne wieczory!

2.    Możesz zmieniać współczynnik uczenia dla neuronu - zwycięzcy, nazwany w programie AlfaO. Zmiany tego współczynnika powodują przyspieszenie uczenia (gdy współczynnik jest zwiększany) łub “uspakajanie” procesu, gdy współczynnik jest zmniejszany. Współczynnik ten jest z kroku na krok automatycznie zmniejszany (patrz niżej), w wyniku czego proces uczenia, na początku szybki i dynamiczny, staje się w miarę upływu czasu coraz bardziej stabilny. Możesz to jednak zmienić i zaobserwować efekty. Jeśli odkryjesz coś naprawdę epokowego - możesz zyskać prawdziwe “ostrogi naukowe”, bo to jest wciąż terra incognito. Pamiętaj, że przy eksperymentach z “prze-uczaniem” sieci (patrz wyżej) trzeba po zmianie kształtu obszaru powiększyć współczynnik AlfaO, a także Alfal i zasięg sąsiedztwa (opisane niżej). Badanie wpływu zmian tego współczynników na formy zachowania sieci może stanowić - powtarzam to - podstawę do wyciągania bardzo ciekawych wniosków, być może nawet oryginalnych w sensie naukowym!

3.    Możesz zmieniać współczynnik uczenia dla neuronów wchodzących w skład sąsiedztwa, nazwany w programie Alfal. Im ten współczynnik większy, tym efekt “ciągnięcia” za zwycięskim neuronem jego są-