Нейронную

Е = 1 , 1 - 0 , 7 5 = 0 , 3 5
Помня о пользе визуализации информации, обратимся к приве­
денной ниже диаграмме, на которой в графическом виде представле­
ны ошибка, а также целевое и расчетное значения.
Вы спросите: а каким образом наше знание величины ошибки Е 
может помочь в нахождении лучшего значения для параметра А? Это 
очень важный вопрос.
Тренировка простого классификатора 
37

---

Давайте на время отступим от этой задачи и немного порассужда­
ем. Мы хотим использовать ошибку в значении 
у ,
которую назвали 
Е , 
для нахождения искомого изменения параметра 
А . 
Для этого нам 
нужно знать, как эти две величины связаны между собой. Каково со­
отношение между 
А
и 
Е ?
Если бы это было нам известно, то мы могли 
бы понять, как изменение одной величины влияет на другую.
Начнем с линейной функции для классификатора:
у = Ах
Нам уже известно, что начальные попытки присвоения пробных 
значений параметру 
А
привели к неверным значениям 
у ,
если ориен­
тироваться на тренировочные данные. Пусть t — корректное целе­
вое значение. Чтобы получить его, мы должны ввести в 
А
небольшую 
поправку. Для таких поправок в математике принято использовать 
символ 
Д, 
означающий “ небольшое изменение” . Запишем соответ­
ствующее уравнение:
t = (А + ДА) х
Отобразим это соотношение в графическом виде на диаграмме, 
на которой показаны линии для двух значений наклона: 
А
и 
А + Д А.
38 
Глава 1. Как работают нейронные сети

---

Вспомните, что ошибку 
Е 
мы определили как разность между же­
лаемым корректным значением 
у
и расчетным значением, получен­
ным для текущего пробного значения 
А . 
Таким образом, 
Е 
= 
t
- 
у .
Запишем это в явном виде: