img132 (13)

126 Backpropagation

z wykryciem przez sieć najlepszych (optymalnych) wartości współczynników Wagowych dla wszystkich wchodzących w grę neuronów. Znowu znalazłem dla Ciebie stosunkowo dobrą wartość tego współczynnika i wystarczy, że ją zatwierdzisz naciskając klawisz Enter (patrz rys. 7.11). Możesz jednak próbować szczęścia i szukać lepszej jego wartości. Życzę powodzenia - to może się udać!

Podaj parametry upływające na szybkosc uczenia sieci Jeśli nie chcesz nic zmieniać - po prostu nacisnij Enter.

Współczynnik uczenia = 0.700?

Współczynnik momentum - 0.300? |

Rys. 7.11. Ustawianie parametrów wyznaczających sprawność uczenia w programie 08B.BAS

Po ustawieniu wybranych przez Ciebie (lub podanych przeze mnie) wartości współczynników, program prezentuje znany Ci już z wcześniejszych eksperymentów ekran, na którym widoczne są poszczególne neurony, wartości sygnałów, współczynniki wag i błędy. Opis jest w tym momencie nieco bogatszy, niż oglądany wcześniej w programie 08A.BAS ale będzie się pojawiał na ekranie stopniowo i nie powinieneś mieć żadnych trudności z interpretacją, co jest czym. Dla ułatwienia w programie tym zastosowałem bogatszą paletę kolorów (przekonasz się, że ułatwi to odnajdywanie na ekranie potrzebnych elementów) i wprowadziłem dodatkowy element wyjaśniający w postaci napisów wyświetlanych u góry ekranu, szczegółowo informujących Cię, co się w tym momencie dzieje.

Te ułatwienia okażą się użyteczne i potrzebne, bo też zadania tego nowego programu będą bardziej założone, niż poprzedniego - będzie on bowiem uczył sieć.

7.6. Co obserwować podczas uczenia wielowarstwowej sieci?

Zadanie modelowanej sieci polega na tym, by prawidłowo rozpoznawać sygnały podawane na wejście. Idealne rozpoznanie polega na wystawieniu w wyjściowej warstwie sygnału 1 na neuronie przypisanym do danej klasy (odpowiednio lewym albo prawym); drugi neuron powinien oczywiście podawać w tym czasie wartość 0. Do oceny poprawności działania sieci wystarczy jednak postawienie łagodniejszego warunku - wystarczy miano-