374 (14)

Najczęściej stosuje się sieci /budowane z 3 warstw neuronów w ten sposób, że wejście dla pierwszej warstwy to wejście sieci. Wyjścia poszczególnych warstw to wejścia dla warstw następnych Wyjście ostatniej warstwy to wyjście sieci, czyli odpow iedź sieci na stan podany na wejściu.

Na poc/^tku procesu uczenia się wszystkie wagi w sieci ustawiane są w sposób losowy. Następnie na wejściu sieci podaje się kolejno wielokrotnie pr/yklady uczące. Dla każdego przykładu uczącego ustala się różnicę na wyjściu sieci między stanem wynikającym z aktualnego ustawienia wag a stanem pożądanym. Różnica ta jest podstawą do zastosowania odpowiedniego algorytmu modyfikacji wag, lak by wartość wyjść sieci zbliżyła się do stanu pożądanego. Wielokrotne zmodyfikowanie wag za pomocą przykładów uczących sieć powoduje, żc wagi w całej sieci ustalają się tak, by realizować rozpoznawanie określonych wzorców wejściowych, to znaczy że podanie określonego wzorca na wejściu spowoduje praw idłowc rozpoznanie go na wyjściu. Na rycinie 14.24 widzimy prostą sieć złożoną z 3 warstw neuronów. Każdy neuron ma 4 wejścia obarczone wagami oraz jedno wyjście, które, podobnie jak drzewko kotkowy aksonu, rozgałęzia się i jest jednym z wejść dla warstwy następnej. Każdy neuron realizuje funkcję sumy ważonej wejść przekształconą dodatkowo przez, jakąś funkcję nieliniową. Każda strzałka reprezentuje jedną wagę połączenia międzyncuronalnego Sieć z powyższego przykładu ma 48 wag. które

W*0aas»cx

przykłady uczące.żapyiar*a do sieci

Ryc. 14.24. Prosu sieć neuronowa zbudowana z 3 warstw neuronów, po 4 neurony ka/da. Wyjście każdego neuronu to suma ważona wejść przekształcona nieliniowo Każda strzałka (z wyjątkiem 4 wyjściowych) odpowiada jednej wadze połączenia Liczba wag w tym modelu wynosi 48. leśli każda waga mogłaby przyjąć jedną ze 100 różnych wartości z zadanego przedziału, to liczba możliwych stanów lej sieci wynosiłaby I0*\ leśli w ka/dej want wie byłoby 100 neuronów, a liczba wejść do sieci wynosiłaby również 100. to liczba możliwych stanów sied wynosiłaby l(T“.

374