Нейронную

82 
Глава 1. Как работают нейронные сети

---

Итак, продолжим вычисления и рассчитаем сглаженный комби­
нированный входной сигнал X = W •
I для третьего слоя.
Входными сигналами для третьего слоя служат уже рассчитанные 
нами выходные сигналы второго слоя 0скрытый. При этом мы должны 
использовать весовые коэффициенты для связей между узлами вто­
рого и третьего слоев Искрытый выходной, а не те, которые мы уже исполь­
зовали для первого и второго слоев. Следовательно, мы имеем:
X 
= W 
. 
- О
_
выходной 
скрытый_выходной 
скрытый
Поэтому, действуя, как и прежде, мы получаем для сглаженных 
комбинированных входных сигналов последнего выходного слоя 
следующее выражение:
Обновленная диаграмма отражает наш прогресс в расчете преоб­
разования начальных сигналов, поступающих на узлы первого слоя, 
в сглаженные комбинированные сигналы, поступающие на узлы по­
следнего слоя, в процессе их распространения по нейронной сети.
Пример использования матричного умножения в сети с тремя слоями 
83

---

Все, что нам остается, — это применить сигмоиду, и сделать это не 
составляет труда.
Есть! Мы получили сигналы на выходе нейронной сети. Опять- 
таки, отобразим текущую ситуацию на обновленной диаграмме.
84 
Глава 1. Как работают нейронные сети

---

Таким образом, в нашем примере нейронной сети с тремя слоя­
ми выходные сигналы имеют следующую величину: 0,726;ы 0,708 
и 0,778.
Итак, нам удалось успешно описать распространение сигналов 
по нейронной сети, т.е. определить величину выходных сигналов 
при заданных величинах входных сигналов.
Что дальше?
Наш следующий шаг заключается в сравнении выходных сигна­
лов нейронной сети с данными тренировочного примера для опреде­
ления ошибки. Нам необходимо знать величину этой ошибки, чтобы 
можно было улучшить выходные результаты путем изменения пара­
метров сети.
Пожалуй, эта часть работы наиболее трудна для понимания, по­
этому мы будем продвигаться не спеша, постепенно знакомясь с ос­
новными идеями в процессе работы.