151
3.
Как
влияют
на
результаты
обучения
последовательность
предъявления образов и их количество?
4.
Имеет
ли
алгоритм
обратного
распространения
ошибки
преимущества перед простым перебором весов?
5.
Каким будет качество обучения, если обучающая выборка содержит
не все возможные на практике пары векторов и какими будут ответы
персептрона на новые вектора,
отсутствующие в обучающей
выборке?
Особенно
важным
представляется
последний
вопрос,
т.к.
индивидуальный опыт принципиально всегда не является полным.
15.6.4 Пример решения задачи нейроном
Представим себе, что необходимо решать задачу определения пола
студентов по их внешне наблюдаемым признакам.
Есть, конечно, и более надежные способы, но мы их рассматривать не
будем, т.к. они требуют дополнительных затрат для получения исходной
информации и превращают задачу в тривиальную.
Поэтому будем рассматривать такие описательные шкалы и градации:
1.
Длина волос: длинные, средние, короткие.
2.
Наличие брюк: да, нет.
3.
Использование духов или одеколона: да, нет.
Составим
таблицу
для
определения
весовых
коэффициентов
(таблица 15.1). Пусть столбцы этой таблицы
соответствуют состояниям
нейрона, а строки – дендритам, соединенным с соответствующими органами
восприятия, которые способны устанавливать наличие или отсутствие
соответствующего признака.
Таблица 15.1 – Определение весовых коэффициентов нейронов
непосредственно на основе эмпирических данных
Классификационные шкалы и градации
Описательные шкалы и градации
Юноши
Девушки
Длина волос:
– длинные
5
15
– средние
10
10
– короткие
15
5
Наличие брюк:
– да;
30
10
– нет
0
20
Использование духов или одеколона:
– да;
5
20
– нет
25
10
152
Тогда один из простейших способов определить значения весовых
коэффициентов на дендритах будет заключаться в том, чтобы на
пересечениях строк и столбцов просто проставить
суммарное количество
студентов в обучающей выборке, обладающих данным признаком.
Если нейрон должен выдавать высокий выходной сигнал, когда на
входе ему предъявляется юноша и низкий – когда девушка, то весовые
коэффициенты на дендритах берутся из столбца: "Юноши". И
наоборот,
если нейрон должен выдавать высокий выходной сигнал, когда на входе ему
предъявляется девушка и низкий – когда юноша, то весовые коэффициенты
на дендритах берутся из столбца: "Девушки".
Можно представить себе сеть из двух нейронов, в которой весовые
коэффициенты на дендритах взяты из столбцов: "Юноши" и "Девушки".
Большее количество нейронов для решения данной задачи будет
избыточным. Его имеет смысл использовать в том случае,
когда мы хотим
повысить надежность идентификации объектов нейронной сетью и
различные сходные по смыслу нейроны будут использовать независимые
друг от друга рецепторы.
Например, если мы не только видим идентифицируемый объект, но
можем его и обонять, и ощупывать, то это
повышает надежность его
идентификации. В этом состоит общепринятый в физике критерий
реальности – принцип наблюдаемости, согласно которому объективное
существование установлено для тех объектов и явлений,
существование
которых установлено несколькими, по крайней мере, двумя, независимыми
способами.
В общем случае в нейронной сети каждому классу (градации
классификационной шкалы) будет соответствовать один нейрон и объект,
признаки которого будут измерены рецепторами на
входе нейронной сети,
будет идентифицирован сетью как класс, соответствующий нейрону с
максимальным уровнем сигнала на выходе.
Психологические тесты обычно позволяют тестировать респондента
сразу по нескольким шкалам. Очевидно,
нейронные сети, реализующие эти
тесты, будут иметь как минимум столько нейронов, сколько шкал в
психологическом тесте.
Do'stlaringiz bilan baham: