Программирование - это просто
Advertisement
Главная arrow Искусственный интеллект arrow Теория нейронных сетей (платный раздел). arrow Теория нейронных сетей. Урок 10. Алгоритм обучения многослойного персептрона для чайников
29.11.2022 г.
Главное меню
Главная
Интернет магазин
Программные продукты
Биржевые роботы
Искусственный интеллект
Математика и информатика
1С:Предприятие
Уроки C#
Уроки Delphi
Уроки программирования
Web-программирование
Дизайн и графика
Компьютер для блондинок
Исходники
Статьи
Платный раздел
Рассказы про компьютеры
Хитрости и секреты
Системный подход
Размышления
Наука для чайников
Друзья сайта
Excel-это не сложно
Все о финансах
.
Теория нейронных сетей. Урок 10. Алгоритм обучения многослойного персептрона для чайников Печать E-mail
Автор megabax   
20.05.2014 г.
New Page 1

Теория нейронных сетей. Урок 10. Алгоритм обучения многослойного персептрона для чайников

Что бы смотреть урок полностью, подпишитесь на платный раздел.

В платном разделе статья находиться здесь.


Об обучении многослойного персептрона я уже писал в статье "Теория нейронных сетей. Урок 6. Многослойный персептрон". Однако, там присутствуют довольно сложные математические выкладки. Поэтому я поднимаю эту тему еще раз, на это раз тоже самое, но "по русский", то есть, на понятном языке.

 

Что бы обучить нейросеть, нам нужны тренировочные набор данных. Тренировочные данные состоят из образцов входных сигналов (x1 и x2), связанных с целевыми (желаемыми)выходными сигналами z. Обучение нейросети это многоступенчатый процесс. На каждой итерации весовые коэффициенты узлов изменяются в соответствии с новыми данными обучающего набора данных. Модификация рассчитывается алгоритмом, описанном ниже:

Каждый шаг обучения начинается с поступления на входы сигналов с обучающего множества. После этого этапа можно определить значения выходных сигналов для каждого нейрона в каждом слое сети. Картинки ниже показывают, как сигналы распространяются по сети. Символы w(xm)n представляют веса связей  между входом xm и нейроном n входного слоя. Символы  yn представляют выходные сигналы нейрона n:

Теория нейронных сетей. Урок 10. Алгоритм обучения многослойного персептрона для чайников

 

Теория нейронных сетей. Урок 10. Алгоритм обучения многослойного персептрона для чайников

Теория нейронных сетей. Урок 10. Алгоритм обучения многослойного персептрона для чайников

Далее, сигналы распространяются в скрытом слое. ....

...

Последнее обновление ( 20.05.2014 г. )
 
Пред. »
 
© 2022 Программирование - это просто
Joomla! - свободное программное обеспечение, распространяемое по лицензии GNU/GPL.
Русская локализация © 2005-2008 Joom.Ru - Русский Дом Joomla!
Design by Mamboteam.com | Powered by Mambobanner.de
Я принимаю Яндекс.Деньги