230 (6)

230

strategię uczenia warstw (Control strategy) oraz sposób i parametry uczenia {UR Schedule). Podobnie można dokonać wyboru odpowiednich opcji dla warstwy lub pojedynczego neuronu.

Wybór strategii uczenia jest ściśle związany z rodzajem sieci i rolą, jaką ma ona spełniać. Wybrać można następujące strategie uczeniu; adalinc, madaline, backpfo-pagation (propagacji wstecznej), ART1. Hopłlelda, Hamminga, counterpropagation (propagacji przeciwnej), Kohonena. Wyboru dokonuje się w opcji UHU ty -» UR Sintiegy, w której zadaje się również wszystkie parametry uczenia i testowania sieci (współczynniki Cj i C₂, kolejne wartości temperatury i cykli uczących przy stosowaniu simulated annealing. wzmocnienie p występujące w funkcji aktywacji, współczynniki Mod_Factor i Tnput_Cłamp dla wag modyfikowanych i ustawianych, jeśli były używane w sieci).

Po odpowiednim ustawieniu opcji można przystąpić do uczenia sieci (Execute Learn) lub testowania (Ejcecute > Recull). W obu przypadkach zadawać można dowolną liczbę cykli. W przypadku testowania sieci wyniki mogą być zapisywane we wcześniej zdefiniowanym pliku lub wyświetlane na ekranie (w zależności od wybranej opcji).

Na wstępie uczenia należy wszystkim wagom przypisać wartości losowe o niewielkiej amplitudzie (opcja NetWork    Rondom!ze). Zapobiega to dużym wartościom

wstępnym sumy ważonej neuronów i przejściu neuronów w głębokie nasycenie. Postęp uczenia obserwować można wykorzystując tzw. Instrument pokazujący wykres błędu w funkcji kolejnych cykli uczących. W przypadku utknięcia w minimum lokalnym można zastosować tzw. Jog of iwights (jedna z opcji NetWork) czyli modyfikację losową aktualnych wartości wag. W wyniku jej zastosowania do aktualnych wartości wag dodane zostaną niewielkie wartości losowe zmieniające punkt pracy systemu i stwarzające w ten sposób możliwość opuszczenia stref)' określonego minimum lokalnego.

Po wygenerowaniu struktury sieci neuronowej i ustawieniu wszystkich opcji można przystąpić do uczenia sieci pod warunkiem istnienia pliku zawierającego dane uczące. Dane uczące dla sieci hcteroasocjacyjnej zawierają dwie linie: jedna zaczynająca się od litery i zawiera wartości poszczególnych składowych wektora X, druga zaczynająca się od litery d podaje wartości zadane na wyjściu. W przypadku sieci autoasocjacyjnęj podaje się jedynie wiersz zaczynający się od literyi (zadane wartości na wyjściu sieci równają się wektorowi X). Linia zaczynająca się od * oznacza komentarz. Plik z danymi uczącymi ma standardowe rozszerzenie nazwy .nni.

Poniżej przedstawiono przykładowy plik XOR.nni zawierający dane uczące dla sieci rozwiązującej problem XOR * POCZĄTEK DANYCH i 0 0 d 0 i 1 0 d 1