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).
