img160 (9)

154 Formy uczenia sieci neuronowych

Dlatego kolejny eksperyment polegać będzie na zastosowaniu sieci o większej liczbie elementów i bardziej skomplikowanej strukturze. Ustalając po kolejnym restarcie programu strukturę sieci można w tym przypadku podać dane jak na rysunku 8.18.

Podaj liczbę uarstu Cod 1 do 3) : 2 Podaj liczbę neuronou u warstwie 1 ? 10

siec ma strukturę: 2-10-1

zmieniasz ja? |

Rys. 8.18. Sposób ustalenia wartości dla “bardziej inteligentnej” sieci

Warto zauważyć, że po zadeklarowaniu, że sieć ma więcej niż jedną warstwę - program zadał dodatkowe pytanie o liczbę neuronów w tej dodatkowej warstwie! Gdy będzie trzeba zbudować jeszcze większe sieci - dodatkowych pytań będzie więcej.

Jak wiesz, im więcej warstw i im więcej neuronów ma sieć, tym większy będzie jej “potencjał intelektualny”. Taka sieć naprawdę potrafi lepiej wykorzystać wbudowaną większą “wrodzoną inteligencję”. Popatrzmy, jak taka sieć się uczy. Początkowy rozkład barwnych plam pokazanych na rysunku 8.19 wskazuje, że sieć ta ma początkowo - sama z siebie - stosunek entuzjastyczny do wszystkiego. Modelowane “zwierzę” czuje się świetnie w prawie wszystkich środowiskach, najmniej jednak kocha ciemne i ciche zakamarki.

Rys. 8.19. Przykładowy stan początkowy bardziej złożonej sieci

Pierwsze doświadczenia zdobyte podczas procesu uczenia pokazują, że świat nie jest wcale taki wspaniały i poza słodkimi migdałami zawiera także pokrzywy. Sieć reaguje w sposób typowy - pogłębia z początku swoje pierwotne uprzedzenia i po pierwszym etapie uczenia zdecydowanie mniej lubi ciemne zakamarki (rys. 8.20).