Допомога у написанні освітніх робіт...
Допоможемо швидко та з гарантією якості!

Алгоритм зворотного розповсюдження помилки для навчання нейтронної мережі

РефератДопомога в написанніДізнатися вартістьмоєї роботи

Суть алгоритму зводиться до послідовного подання на вхід мережі еталонних значень (рис. 3), визначення вихідного вектору мережі (прямий прохід), і корегування коефіцієнтів ваги для зв’язків нейронів на основі визначення різниці між еталонним значенням вихідного вектору та отриманим (зворотній прохід). Корегування відбувається на основі норми навчання та коефіцієнта інерції. Навчання мережі… Читати ще >

Алгоритм зворотного розповсюдження помилки для навчання нейтронної мережі (реферат, курсова, диплом, контрольна)

Суть алгоритму зводиться до послідовного подання на вхід мережі еталонних значень (рис. 3), визначення вихідного вектору мережі (прямий прохід), і корегування коефіцієнтів ваги для зв’язків нейронів на основі визначення різниці між еталонним значенням вихідного вектору та отриманим (зворотній прохід). Корегування відбувається на основі норми навчання та коефіцієнта інерції. Навчання мережі припиняється при досягненні збіжності між еталонним та отриманим значенням вихідного вектора для всіх еталонних прикладів.

При реалізації алгоритму норму навчання обрати на рівні 0.3, а коефіцієнт інерції 0.7. Значення кожного біту вихідного вектора визначати за формулою:

Послідовність кроків алгоритму:

Послідовність кроків алгоритму:

  • 1. Прочитати перший вхідний зразок (еталон) і встановити вихідний зразок, що йому відповідає; Converge = TRUE.
  • 2. Задати значення для кожного з вхідних нейронів значення вхідного зразка.
  • 3. Для елементів першого прихованого шару обчислити сумарний вхід та вихід ,
Алгоритм зворотного розповсюдження помилки для навчання нейтронної мережі. Алгоритм зворотного розповсюдження помилки для навчання нейтронної мережі.
  • 4. Повторити крок 3 для всіх наступних прихованих шарів та вихідного шару нейронів.
  • 5. Якщо різниця між значенням виходу мережі і вихідним зразком не є допустимою, Converge = Converge&FALSE.
  • 6. Для кожного вихідного елементу визначити його помилку
  • 7. Для останнього прихованого шару визначити помилку кожного елемента
Алгоритм зворотного розповсюдження помилки для навчання нейтронної мережі.
  • 8. Повторити крок 7 для всіх інших шарів
  • 9. Для всіх шарів перерахувати значення ваг кожного елемента ,
  • 10. Якщо вхідний зразок був не останнім, прочитати наступний і перейти до кроку 2.
  • 11. Якщо Converge == FALSE, перейти до кроку 1.
  • 12. Кінець

Перелік позначень:

i, j, k — індекси;

— i-ий вхідний сигнал нейрону;

  • — ваговий коефіцієнт з'єднання i-го та j-го нейронів;
  • — сумарне вхідне значення нейрону j;
  • — вихідне значення нейрону j;
Алгоритм зворотного розповсюдження помилки для навчання нейтронної мережі.

— функція активації;

  • — значення помилки для j-го нейрону;
  • — еталонне значення j-го нейрону зовнішнього шару;
  • — помилка для вагового коефіцієнта зв’язку між нейронами i та j на n кроці обчислень
  • — норма навчання;
  • — коефіцієнт інерції;

Converge — ознака припинення навчання.

Алгоритм зворотного розповсюдження помилки для навчання нейтронної мережі.
Показати весь текст
Заповнити форму поточною роботою