284 Sieci rekurencyjr
lejnych krokach, co pozwala Ci dokładnie śledzić przebieg zmian, dokonujących się w trakcie procesu adaptacji w sieci.
Ten obrazek pokazuje, które piksele zmieniły się w tym obrazie w momencie tworzenia tego obrazu
Ponieważ proces poszukiwania przez sieć właściwego śladu pamięciowego kończy się, gdy kolejna iteracja nie wnosi do obrazu już żadnych poprawek (sieć osiągnęła stan ustalony), zatem gdy pojawia się pusta ramka - wiadomo już, że nastąpiło zatrzymanie procesu. Zatrzymanie możliwe jest też w przypadku (bardzo rzadko występującym w praktyce) pojawienia się oscylacji. Jeśli kolejne kroki przechodzą przez te same sekwencje stanów -proces też się zatrzyma, chociaż wynik może być wtedy dość dziwny.
Bardzo ciekawe są obserwowane niekiedy momenty “przeskoku” - kiedy sieć zamiast doskonalić odtwarzanie prawidłowego wzorca nagle skojarzy sobie zdeformowany obraz z zupełnie innym wzorcem i właśnie ten fałszywy wzorzec zaczyna pracowicie czyścić i polerować (rys. 11.28). Często w następstwie takiej przygody sieć tworzy sobie zupełnie nowe wyobrażenie nie istniejącego wzorca, będącego hybrydą istniejących elementów, ale zestawionych w sposób niezwykły i nie mający nic wspólnego z rzeczywistością (rys. 11.23). Powstają takie twory z bajki lub sennego koszmaru - jak węże ze skrzydłami czy psy o trzech głowach - tylko zestawiane z elementów świata, który był sieci dostępny - czyli kawałków obrazów liter... To trzeba zobaczyć, żeby zrozumieć, jak bardzo odmienne jest działanie sieci neuronowej w stosunku do tępego i pozbawionego fantazji działania zwykłych algorytmów!
Resztę odkryjesz już sam podczas pracy z programem. Powodzenia!