Способы обучения инс.
Существуют 3 парадигмы
обучения: Обучение с учителем, обучение
без учителя. Смешанное обучение.
Обучение
с учителем
- предполагает, что ИНС располагает
правильными ответами (выходами сети )
на каждый входной пример. Веса настраиваются
таким образом, чтобы сеть производила
ответы как можно более близкие к известным
правильным ответам. Целью является
минимизация ошибки.(метод обратного
поиска ошибки)
Обучение
без учителя
- не требует знания правильного ответа
на каждый пример выборки. Раскрывается
внутренняя структура данных , что
позволяет распределить примеры по
категориям.Алгоритм обучения Кохонена
обеспечивает решение задач автоматической
классификации, то есть отнесение
предъявленного вектора входов к одному
из классов. Число нейронов ИНС для
успешного решения указанной задачи
должно быть не меньше чем число кластеров,
и поскольку число кластеров заранее
неизвестно, количество нейронов задается
с определенным запасом.
Это
итеративный градиентный алгоритм,
который используется с целью минимизации
ошибки работы многослойного перцептрона
и получения желаемого выхода.
Пакетный
метод, после суммирования всех весов
на текущей итерации обновления все веса
используют эту сумму
Организация наборов
данных для обучения ИНС.
Понятие о градиенте.
Вектор,
который указывает направление наибольшего
возрастрания
Градиентный спуск и
поиск локальных минимумов (максимумов)
математических функций
Простыми
словами: Это метод поиска локального
минимума или локального максимума
Понятие о методе
обратного распространения ошибки для
обучения ИНС.
Это
итеративный градиентный алгоритм,
который используется с целью минимизации
ошибки работы многослойного перцептрона
и получения желаемого выхода.
Итерация
- общее количество тренировочных сетов
пройденных нейронной сетью.
Чем
больше эпоха, тем лучше натренирована
сеть и соответственно, ее результат.
Эпоха увеличивается каждый раз, когда
мы проходим весь набор тренировочных
сетов. (Когда нейронная сеть проходит
несколько этапов итераций).