34792

odpowiedzi sieci o na wyjściu służy do określenia miary odległości ^p pomiędzy wektorem wyjściowym o a sygnałem uczącym d W zależności od wartości miary ^ dokonywana jest aktualizacja wag W tak, aby dla danego wektora uczącego x miara ^ była mniejsza od poprzedniej. Na poniższym rysunku przedstawiono schemat nadzorowanego procesu treningu sieci.

Z kolei w nienadzorowanym procesie nauki na wejście sieci podawany jest wektor x Na podstawie dotychczasowego treningu, sieć neuronowa sama dokonuje klasyfikacji. W zależności od konkretnej konfiguracji neuronowej wektor wyjściowy o może reprezentować np. najbardziej typowy obiekt w danej klasie, stopień podobieństwa do uśrednionego wektora w danej klasie po dotychczasowych prezentacjach, rodzaj klasy, itd. Poniższy rysunek przedstawia schemat treningu bez nauczyciela.

Sieć

o

adaptacyjna —.1—p>

Poszczególne jednostki neuronowe mogą być połączone połączeniami synaptycznymi tworząc w ten sposób sieć neuronowy W ogólnym przypadku może być to zupełnie dowolna struktura, jednakże podlega ona pewnym ograniczeniom, bowiem nie znane są efektywne algorytmy nauki takich nieregularnych sieci. Stąd też spotykane obecnie struktury neuronowa charakteryzują się dużą regularnością i na tej podstawie wyróżnia się następujące klasy sieci: sieci jednokienmkowe, rekurencyjne oraz komórkowe.

Sieci jednokierunkowe tworzy się w wyniku grupowania pojedynczych neuronów w warstwy, a następnie łączy się warstwy w ten sposób, że wyjście każdego neuron z danej warstwy jest połączony z wejściem każdego neuronu z warstwy następnej. Nie mogą jednocześnie istnieć połączenia wewnątrz warstwy, jak również połączenia wsteczne, czyli połączenia z warstwą poprzednią. Na rysunku poniżej przedstawiono przykłady struktur sieci jednokierunkowej wielowarstwowej z jedną oraz dwiema warstwami ukrytymi.