Книга: Учебное пособие по курсу «Нейроинформатика»
Обучение
Обучение
Программа Hopfield.
При вычислении синаптической карты в данной программе предусмотрено использование одного из двух заложенных алгоритмов. Выбор алгоритма производится в подменю "Параметры" главного меню. Там же описана процедура предварительной обработки обучающего множества в случае применения алгоритма "Проекционный Хопфилд". В этом разделе описана общая для обоих алгоритмов процедура вычисления элемента синаптической карты по векторам обучающего множества. Поскольку мы имеем дело со стонейронной нейронной сетью, исходные данные любого примера можно представить в виде стомерного вектора. Обозначим вектора соответствующие обучающему множеству через A[1],…,A[k], вес l-ого примера — W[l], а ij-ый элемент синаптической карты — X[ij]. Тогда алгоритм вычисления синаптической карты можно представить в виде формулы:
X[ij] = Сумма по l от 1 до k (A[l][i]*A[l][j]*W[l])
Все программы, кроме программыHopfield.
В данной программе реализован «генетический» подход к формированию стратегии обучения. У Вас в руках ряд процедур, с помощью которых Вы можете подобрать стратегию обучения сети. Ниже приведена таблица всех возможных режимов
№ | Использовать MParTan | Организация обучения | Вычисление направления | Способ оценивания | Допустимость |
---|---|---|---|---|---|
1 | Да | Средн. | Антиградиент | МНК | Допустим |
2 | Да | Средн. | Антиградиент | РДМ | Допустим |
3 | Да | Средн. | Случайное | МНК | Допустим |
4 | Да | Средн. | Случайное | РДМ | Допустим |
5 | Да | Позад. | Антиградиент | МНК | Недопустим |
6 | Да | Позад. | Антиградиент | РДМ | Недопустим |
7 | Да | Позад. | Случайное | МНК | Недопустим |
8 | Да | Позад. | Случайное | РДМ | Недопустим |
9 | Да | Зад. N | Антиградиент | МНК | Допустим |
10 | Да | Зад. N | Антиградиент | РДМ | Допустим |
11 | Да | Зад. N | Случайное | МНК | Допустим |
12 | Нет | Зад. N | Случайное | РДМ | Допустим |
13 | Нет | Средн. | Антиградиент | МНК | Допустим |
14 | Нет | Средн. | Антиградиент | РДМ | Допустим |
15 | Нет | Средн. | Случайное | МНК | Допустим |
16 | Нет | Средн. | Случайное | РДМ | Допустим |
17 | Нет | Позад. | Антиградиент | МНК | Допустим |
18 | Нет | Позад. | Антиградиент | РДМ | Допустим |
19 | Нет | Позад. | Случайное | МНК | Допустим |
20 | Нет | Позад. | Случайное | РДМ | Допустим |
21 | Нет | Зад. N | Антиградиент | МНК | Допустим |
22 | Нет | Зад. N | Антиградиент | РДМ | Допустим |
23 | Нет | Зад. N | Случайное | МНК | Допустим |
24 | Нет | Зад. N | Случайное | РДМ | Допустим |
Обозначения, использованные в таблице:
Средн. — Обучение по усредненной оценке (градиенту);
Позад. — Позадачное обучение;
Зад. # — Обучение задаче номер;
Случайно — Случайный спуск;
Антиградиент — Градиентный спуск;
МНК — Оценка типа Метода наименьших квадратов;
РДМ — Оценка типа Расстояние до множества.
Задать процедуру обучения Вы можете в меню Параметры, в подменю метода
- Обучение работе с пакетом clab на демонстрационной задаче
- Обучение команды
- Непрерывное обучение
- Глава 15. Эмпирическое обучение через исследование
- Глава 8. Обучение менеджеров по продажам
- Глава третья Обучение, память и парадигмы
- Что такое обучение
- Обучение конечных пользователей
- Профессиональные навыки и обучение независимых директоров
- ОБУЧЕНИЕ МОЗГА БЕЗ ВЫСОКИХ ТЕХНОЛОГИЙ
- Обучение и консультирование
- Обучение персонала