Modele uczenia sztucznej sieci neuronowej

Najprostsze Sieci neuronowe podaj informacje tylko w jednym kierunku-kady neurone reaguje na jeden zestaw danych wejciowych tylko raz. Bardziej zoone Sieci s rekurencyjne, co Znaczy, e Dane wychodzce z ktrej ukrytych warstw s podawane do jednej z poprzednich warstw. Sprzenie zwrotne powoduje, e sie po Jakim czasie osiga Stan rwnowagi i „decyduje si” na konkretn odpowied. Kiedy problème jest zbyt skomplikowany Albo okrelone przez ludzi Cechy prowadz ne niesatysfakcjonujcego rozwizania, Mona uywa nienadzorowanego uczenia. Sie uczca si w taki sposb Musi par odpowiednio zoona, wielowarstwowa, Eby moga Wykrywa w danych wejciowych abstrakcje wyszego rzdu. Poniewa Sieci uczone bez nadzoru nie d do zadanego wyniku, Maj potencja wykrywania prawidowoci je zalenoci, o ktrych Wczeniej nie wiedzielimy. Pour powoduje, e s uyteczne analizy zjawisk, ktrych modèle jest niedokadny Albo niekompletny-a à Mona powiedzie prawie o wszystkich zjawiskach spoecznych Albo finansowych. Sie neuronowa uczy si na przykadach: Trzeba jej przedstawi Jak liczb Ju rozwizanych przykadw. Tok uczenia Sieci Mona zacz OD przypisania rwnych lub losowych WAG kademu wejciu. Sprawdzamy, Czy odpowied Sieci jest skladu z podanym wynikiem, une nastpnie zmieniamy Wagi Tak, Eby Wynik zblia si do podanej odpowiedzi.

Nous wspomnianym pierwszym perceptronie z lat 50. XX wieku do Regulacji WAG suyy potencjométrie, pocztkowo regulowane rcznie. Mechanizm Regulacji WAG jest te Jednak czci Sieci neuronowej, Tak Zwan réguluczenia, je dziaa Automatycznie. Perceptron jako neurone jest TRUDNY w uczeniu, Bo zmiany wielkoci wejciowych lub WAG Maj skutek Albo cakowity, Albo zerowy-nie Mona obserwowa, Jak drobne zmiany przybliaj odpowied Sieci podanego wyniku. Wspomniany Perceptron jest najprostsz Sieci neuronow, Zoon z jednego sztucznego neuronu. Perceptron ma kilka Wej, ne ktrych przypisane s Wagi, okrelajce, Jak Duy wpyw ma wielko z danego wejcia na Wynik. Zestaw danych ze wszystkich Wej jest podstawiany ne Pewnego WZORU okrelonego programist przez-w oryginalnym perceptronie byo à Dodawanie. Jeli Suma wszystkich Wej (z uwzgldnieniem WAG) przekroczy okrelony z gry PRG, Perceptron da odpowied pozytywn (logiczne 1), un Jeli nie-negatywn (logiczne 0). Adj tech at zauway, e taki UKAD jest niewiele lepszy OD zwykych bramek logicznych.

DZI stosuje si Inny rodzaj sztucznych neuronw, hasou Daj odpowied w formie liczby rzeczywistej, CZYLI nie tylko 0 lub 1, ALE arbitraires liczb pomidzy. Struktura Sieci (poczenia midzy neuronami) oraz mechanizm dziaania kadego neuronu (WZR, ne ktrego podstawia si wielkoci wejciowe) zwykle s okrelone z gry. Podstawow pamici Sieci jest zestaw WAG, parametrw okrelajcych stopie wpywu poszczeglnych Wej na Wynik danego neuronu.