232 (3)

232

Program dopuszcza istnienie dowolnej ilości warstw o funkcji aktywacji neuronów w każdej warstwie zadawanej indywidualnie. Do wyboru pozostaje funkcja liniowa lub funkcja sigmoidalna przyjęta w postaci

m =

Zadawanie struktury sieci przez użytkownika odbywa się za pośrednictwem pliku wejściowego (standardowe rozszerzenie .net). Struktura pliku ma następującą postać:

{Neural Net work:
(Layer:[/;V/^J| :Layer)	n = N
|Layer:[l]	n = N
:Layer}
(Layer:[/n] :Layer} :NeuralNetwork}	n = N

bias = P	firn = Lin[ P ]
bias = P	fun = Siginf p ]
bias = P	fun = Sigm| p |

%Począlek pliku % \Varst wa wej śc i o wa

% Warstwa #1 %Warstwa #/n

Program zaczyna się linią {Neural NetWork: a kończy linią \Nettral NetWork} lub nawiasem klamrowym zamykającym}. Każda linia pliku definiuje jedną warstwę neuronów, poczynając od warstwy wejściowej | INP], po której następują kolejne

warstwy ukryte fl|, |2|..... [w|, gdzie m oznacza jednocześnie warstwę wyjściową.

Wyrażenie n = N definiuje liczbę N neuronów w warstwie. Deklaracja opcjonalna hias deklaruje istnienie połączenia neuronów w warstwie z polaryzacją P, przy czym zwykle P przyjmuje wartość równą I lub 0. W przypadku wartości zerowej deklaracja ta może być pominięta. Ostatnie wyrażenie w linii jest deklaracją typu funkcji aktywacji. Funkcja sigmoidana zapisana jest jako Sigm[(5]» gdzie p jest współczynnikiem występującym w funkcji sigmoidalnej. Standardowa wartość wbudowana p = 1 przyjmowana jest zawsze, jeśli nie jest jawnie zadeklarowana przez użytkownika. Pominięcie deklaracji Sigm w linii lub przyjęcie Lin jesl równoznaczne z przyjęciem liniowej funkcji aktywacji.

Dane uczące sieć przygotowane są w pliku z rozszerzeniem .inp. Składają się z szeregu linii definiujących wektory wejściowe X oraz wartości zadane wyrażone za pomocą wektorów d. Plik ma następującą strukturę:

{NetworkSignałs:

(Inp:

*1 ^X2 ’ ” ^XN Dest: d_{ d₇^%-

%Początek pliku %Począlek próbki uczącej %Składowe wektora X %S kładowe wektora d %Koniec próbki uczącej

I