Нейронные сети (ИПОВС) / 4 курс - Рычагов М.Н. / Лекции / Lektsiya_4_Obuchenie_neyronnoy_seti
.pdfОбучение нейронной сети. Алгоритм
обратного распространения (АОР)
Лекция 4
Рычагов М.Н., профессор, д.ф.-м.н.
Многослойная нейронная сеть
|
Распространение сигнала |
|
|
|
|
|
|
Выходной |
Входной |
|
|
|
|
|
слой |
|
слой |
|
|
|
|
|
|
i =1, I |
j =1, J |
Скрытые слои
Общая архитектура многослойной нейронной сети
©©20201919МИЭТ, ,Нейроннныесети |
2 |
|
2 |
Базы данных для обучения нейронных сетей
а) |
б) |
в) |
Примеры образцов из базы данных MNIST а) рукописных цифр;
б) CASIA – база данных китайских рукописных символов; в) ATT Olivetti база данных лиц.
©©20201919МИЭТ, ,Нейроннныесети |
3 |
|
3 |
Дуальность входного и весового пространств
Bx
Aw
Bw
Ax
Входной вектор точка на гиперплоскости (x1, x2, x3)точка в пространстве весов (w1, w2, w3)
Набор весовых коэффициентов точка на гиперплоскости (w1, w2, w3) точка в пространстве входных сигналов (x1, x2, x3)
©©20201919МИЭТ, ,Нейроннныесети |
4 |
|
4 |
Процесс обучения в параметрической системе
Обучаемая
архитектура
(НС)
Обучающие примеры |
Определение |
|
|
отображения вход-выход |
ошибки |
|
Фиксация параметров (весов) сети
©©20201919МИЭТ, ,Нейроннныесети |
5 |
|
5 |
Иерархия обучающих алгоритмов
|
|
|
|
Корректирующее |
|
|
Управляемое |
||
|
|
|
обучение |
|
|
|
обучение |
|
|
|
|
|
|
|
|
|
|
Обучение |
|
|
|
|
|
|
|
|
|
||
Обучение |
|
|
|
с подкреплением |
|
|
|
|
|
|
|
|
|
|
Обучение без учителя
Обучение с подкреплением – обучение агента в процессе взаимодействия со средой, с целью max долговременного выигрыша.
Корректирующее обучение – обучение агента в процессе выпонения задания, формальным или не формальным образом.
©©20201919МИЭТ, ,Нейроннныесети |
6 |
|
6 |
Три кластера и НС-классификатор
Кластер 2
Кластер 1
Классификатор
(НС)
Кластер 3
Полный набор данных без меток – обучение без учителя.
1
2
3
©©20201919МИЭТ, ,Нейроннныесети |
7 |
|
7 |
Цвет → разметка данных
Тестирование и обработка данных
Кластер 2
Кластер 1
Классификатор
(НС)
Кластер 3
Размеченные данные – обучение с учителем.
1
2
3
©©20201919МИЭТ, ,Нейроннныесети |
8 |
|
8 |
Обозначения для АОР (1)
Индексы i, j относятся к различным слоям НС
Итерация n относится к n - тому образцу, представленному на вход нейронной сети
y j (n) - мгновенный выход нейрона j для итерации n
d j (n) - желаемый выход нейрона j для итерации n
e j (n) - сигнал ошибки нейрона j для n - го входного
образца
E(n) E (n) - мгновенная (текущая) сумма квадратов ошибок на итерационном шаге n (т.е. для n-го образца)
Eav - усредненная по всем вариантам (входным сигналам) среднеквадратическая ошибка
©©20201919МИЭТ, ,Нейроннныесети |
9 |
|
9 |
Обозначения для АОР (2)
wji (n) - синаптические веса от нейрона i ко входу нейрона j на итерации n
wji (n) - коррекция соответствующего весового коэффициента
I
v j (n) = wji xi - внутрення активность j - го нейрона
i=1
( ) - функция активации j - го нейрона
j = w j0 - смещение, приложенное к j - му нейрону
xi - i - й элемент входного вектора
- коэффициент скорости обучения
©©20201919МИЭТ, ,Нейроннныесети |
10 |
|
10 |