img175 (7)

wadzenie do techniki si

Sygnały te mogą być dodatnie (dany obiekt się temu neuronowi podoba -punkty takie zobaczysz na ekranie jako czerwone) albo ujemne (dany obiekt się temu neuronowi nie podoba - punkty takie zobaczysz na ekranie jako niebieskie). Jeśli sygnały wyjściowe pewnych neuronów (zarówno dodatnie, jak i ujemne) mają małą wartość - odpowiednie punkty przyjmują barwę szarą (odpowiednie neurony mają do pojawiającego się osobnika obojętny stosunek).

Na podstawie sygnałów wejściowych i ustalonych wyjść wszystkie neurony samouczącej się sieci korygują swoje wagi. Podczas korekty wag zachowanie każdego neuronu zależy od tego, jaka była wartość jego sygnału wyjściowego, którym odpowiedział on na pobudzenie. Jeśli sygnał wyjściowy neuronu był silnie pozytywny (na ekranie - czerwony) - wagi zmieniają się w taki sposób, że neuron zbliża się do punktu, który mu się tak podobał. Oznacza to, że jeśli ponownie zostanie pokazany ten sam punkt - neuron odnotuje go jeszcze bardziej entuzjastycznie (sygnał wyjściowy będzie miał jeszcze większą dodatnią wartość). Z kolei neurony, które wykazywały w stosunku do aktualnie pokazywanego wzorca stosunek negatywny (na ekranie widoczne jako punkty niebieskie) - będą od wzorce “odpychane”, w wyniku czego ich wagi skłonią je w przyszłości do jeszcze bardziej negatywnego reagowanie na ten typ wejścia.

W programie 10A.BAS specjalnymi zabiegami ograniczyłem efekt “u-cieczki” negatywnie nastawionych neuronów, bo efekt ten powodował trudności z utrzymaniem rysunku na ekranie, jednak w roboczych programach, wykorzystujących zasadę samouczenia sieci neuronowej, zazwyczaj stosuje się równie silne “przyciąganie”, jak i “odpychanie” (rys. 9.5).

Rys. 9.5. Korekta wag wywołana samouczeniem

Procesy przesuwania się punktów pokazujących położenia wektorów wag neuronów możesz bardzo dokładnie obejrzeć, ponieważ program prezen-