Учебное пособие для студентов магистерских программ москва Екатеринбург 014 удк ббк п

Рисунок 2.13 

 Пример трехслойной сети 
 
При работе в сети каждый элемент сети строит взвешенную 
сумму своих входов с поправкой в виде слагаемого и затем пропуска-
ет эту величину активации через передаточную функцию, и таким 
образом получается выходное значение этого элемента. Такую сеть 
легко можно интерпретировать как модель вход-выход, в которой ве-
са и пороговые значения (смещения) являются свободными парамет-
рами модели. Такая сеть может моделировать функцию практически 
любой степени сложности, причем число слоев и число элементов в 
каждом слое определяют сложность функции. Определение числа 
промежуточных слоев и числа элементов в них является важным во-
просом при конструировании многослойной сети. Количество вход-
ных и выходных элементов определяется условиями задачи. 
Получения достоверных результатов достигается путем 
обуче-
ния сети
. Общий принцип состоит в получении результата на тесто-
вой (обучающей) выборке, когда результат прогноза или классифика-
ции известен аналитику. 

---

61 
Модуль 
ST Neural Networks
предложены различные алгоритмы 
обучения. Наиболее известный вариант алгоритма обучения нейронной 
сети 

алгоритм обратного распространения (
back propagation
). Сущест-
вуют современные алгоритмы второго порядка, такие как метод сопря-
женных градиентов и метод 
Левенберга-Маркара
, которые на многих 
задачах работают существенно быстрее (иногда на порядок). Алгоритм 
обратного распространения
наиболее прост для понимания, а в неко-
торых случаях он имеет определенные преимущества.
Класс задач, которые можно решить с помощью нейронной сети, 
достаточно широк: 
-
Прогнозирование на фондовом рынке
. Зная цены акций за по-
следнюю неделю и сегодняшнее значение индекса FTSE, спрогнози-
ровать завтрашнюю цену акций. 
-
Предоставление кредита.
Требуется определить, высок ли 
риск предоставления кредита частному лицу, обратившемуся с такой 
просьбой. В результате разговора с ним известен его доход, преды-
дущая кредитная история и т.д. 
-
Управление.
Нужно определить, что должен делать робот (по-
вернуться направо или налево, двигаться вперед и т.д.), чтобы дос-
тичь цели; известно изображение, которое передает установленная на 
роботе видеокамера. 
Рассмотрим решение задачи прогнозирование с использова-
ние модуля ST Neural Networks на примере файла Series_g.sta, содер-
жащего данные о месячных перевозках пассажиров
14
. 
В данном примере единственная переменная будет служить 
входной/выходной переменной. Для этого необходимо задать тип пе-
ременной, выделив переменную в открытом файле и выбрав из поя-
вившегося контекстного меню пункт Input/Output – рисунок 2.14.