193
вернуть верный результат на основании данных, которые отсутствовали
в обучающей выборке, а также неполных и/или зашумленных, частично
искаженных данных.
ИНС бывают однослойными и многослойными. У многослойной
ИНС есть множество входов
x
1
,...,
x
n
, множество выходов и множество
внутренних узлов. В теории ИНС принято обозначать через
w
i,j
вес,
стоящий на ребре, соединяющем
i
-й и
j
-й узлы, а через
o
i
– выход
i
-го узла.
Схема участка многослойной сети представлена на рисунке 7.1.
Рисунок 7.1 – Фрагмент многослойной сети
Универсального алгоритма обучения не существует, существует
лишь набор средств, представленный множеством алгоритмов обучения,
каждый из которых имеет свои достоинства. Алгоритмы обучения
отличаются друг от друга способом настройки весов нейронов. В связи
с вышеизложенным адекватная постановка задачи и выбор оптимальной
нейросетевой архитектуры для ее решения не являются тривиальными
действиями и требуют определенной подготовки экспериментатора. После
того как экспериментатором определено количество слоев в сети и число
нейронов в каждом из них, нужно установить значения весов и смещений,
которые минимизируют ошибку решения. Это достигается с помощью
итеративных процедур обучения.
Путем
анализа
имеющихся
в распоряжении аналитика входных и выходных данных веса и смещения
сети настраиваются так, чтобы минимизировать разность между желаемым
сигналом и полученным на выходе в результате симуляции работы сети.
Эта разность носит название ошибки обучения. Таким образом, процесс
обучения – это подстройка параметров той модели процесса или явления,
которая реализуется нейронной сетью. Ошибка обучения для конкретной
конфигурации нейронной сети определяется путем прогона через сеть всех