Прогнозировани?це?на рынк?драгоценны?металлов ?помощь?нейронны?сете?/h1>
Дипломная работа - Компьютеры, программирование
Другие диплом?по предмету Компьютеры, программирование
?гнал?сраз?же порождаю?выходной сигнал. ? чт?боле?важн? данн? модель нейрон?не учитывае?воздействи?функци?частотно?моду?ци?ил?синхронизирующей функци?биологического нейрон? которы???исследователей iитаю?решающим?
Несмот? на эт?ограничения, сети, построенны?на основе этой модели нейрон? обнаруживают свойства, сильно напоминающие биологическу?систем? Только время ?исследован? смогут ответить на вопрос, являют? ли подобные совпаден? случайными ил?следствием того, чт?именно ?этой модели нейрон? верн?схвачены важнейши?черт?биологического прототип?
Вероятн? архитектур?многослойных нейронны?сете?использует? сейчас наиболее част? Он?была предложена ?работе Rumelhart, McClelland ?1986 году ?подробно обсуждается почт?во всех учебника?по нейронны?се?? Многослойным?персептронам?называют многослойные нейронны?сети прямого распространения. Входно?сигнал ?таки?се??распростра?ет? ?прямо?направлени? от сл? ?слою. Многослойный персептрон ?обще?представлени?состои?из следующи?элементо?
множеств?входны?узло? которы?образуют входно?слой;
одного ил?нескольких скрыты?слое?вычислительных нейронов;
одного выходног?сл? нейронов.
Многослойный персептрон представ?ет собо?обобщени?однослойного персептрон?Розенблатт? Примером многослойног?персептрон?являет? следующая модель нейронно?сети:
Ри?1.6. Пример двухслойного персептрон
Количество входны??выходных элементо??многослойном персептрон?опреде?ет? условиями задачи. Сомнен? могу?возникнуть ?отношени?того, каки?входны?значен? использовать, ?каки?не? Вопрос ?то? скольк?использовать промежуточны?слое??элементо??ни? пока совершенно неясе? ?качестве начального приближения можн?взять один промежуточны?слой, ?числ?элементо??не?определить по формул?Арнольда-Колмогоров?Хехт-Нельсова: , гд?- размерност?выходног?сигнал? - числ?элементо?множеств?обучающи?примеров, - необходимо?числ?синаптически?связе? - размерност?входного сигнал? Оценив ?помощь?этой формул?необходимо?числ?синаптически?связе?, можн?расiитат?необходимо?числ?нейронов ?скрыты?сл?? Та? числ?нейронов скрытого сл? двухслойного персептрон?буде?равн?.
Многослойные персептрон?успешн?применяют? для решения разнообразны?сложны?зада??имею?тр?следующи?отличительны?свойства.
1.Каждый нейрон сети имее?нелинейную функци?активаци? Важн?подчеркнут? чт?такая нелинейн? функция должна быть гладко?(?? всюд?дифференцируемой), ?отличи?от жестко?порогово?функци? используемой ?персептрон?Розенблатт? Само?попу?рной формой функци? удовлетворяющей этом?требованию, являет? сигмоидальная. Наличи?нелинейности играет очен?важную роль, та?ка??противно?случае отображени?вход-выхо?сети можн?свести ?обычному однослойному персептрон?
2.Нескольк?скрыты?слое? Многослойный персептрон содержит один ил?нескольк?слое?скрыты?нейронов, не являющих? частью вход?ил?выхода сети. Эт?нейрон?позволяют сети обучаться решени?сложны?зада? последовательн?извлек? наиболее важные признаки из входного образа.
.Высокая связность. Многослойный персептрон обладает высоко?степенью связности, реализуемо?посредство?синаптически?соединений. Изменени?уров? связности сети требуе?изменения множеств?синаптически?соединений ил?их весовы?коэффициенто?
Комбинац? всех этих свойст?на?ду со способностью ?обучению на собственно?опыт?обеспечивает вычислительную мощность многослойног?персептрон? Однако эт?же качества являют? причиной неполнот?современны?знаний ?поведени?такого рода сете? распределенн? форм?нелинейности ?высокая связность сети существенн?усложняют теоретически?анализ многослойног?персептрон?
Алгоритм обратног?распространения ошибки являет? одни?из самы?эффективны?методо?обучен? многослойных персептронов. Обучение алгоритмом обратног?распространения ошибки предполагает дв?проход?по всем сл??сети: прямого ?обратног? Пр?прямо?проход?входно?вектор подает? на входно?слой нейронно?сети, посл?чего распростра?ет? по сети от сл? ?слою. ?результате генерирует? набо?выходных сигналов, которы??являет? фактическо?реакцией сети на данный входно?обра? Во время прямого проход?вс?синаптически?веса сети фиксирован? Во время обратног?проход?вс?синаптически?веса настраиваются ?соответствии ?правилом коррекци?ошибок, ?именно: фактически?выхо?сети вычитает? из желаемог? ?результате чего формируется сигнал ошибки. Этот сигнал впоследствии распростра?ет? по сети ?направлени? обратном направлени?синаптически?связе? Отсюда ?название - алгоритм обратног?распространения ошибки[16].
Цель?обучен? сети алгоритмом обратног?распространения ошибки являет? такая подстройка ее весо? чтоб?приложение некоторого множеств?входов приводил??требуемому множеств?выходо? Для краткост?эт?множеств?входов ?выходо?буду?называть? векторам? Пр?обучении предполагает?, чт?для каждог?входного вектор?существует парный ем?целево?вектор, задающий требуемы?выхо? Вместе он?называют? обучающе?паро? Сеть обучается на многих пара?
Таки?образо? алгоритм обратног?распространения ошибки следующи?
1.Инициализировать синаптически?веса небольшими случайными значен?ми.
2.Выбрат?очередну?об
Copyright © 2008-2014 geum.ru рубрикатор по предмета?/a> рубрикатор по типа?рабо?/a> пользовательское соглашение