Sieci CP str124

10.i. Rozpoznawanie wybranego zbioru wyrazów

mniejsze, lecz o podobnych proporcjach względem siebie. Podaje się również, że w trakcie uczenia wartości te powinny być zmniejszane w celu zapewnienia lepszej zbieżności uczenia.

Z drugiej strony inni autorzy [Cbee90a] proponują startowanie wręcz od zerowych wartości współczynników tj\ i t)2 i stopniowe ich zwiększanie aż do osiągnięcia pewnej wartości ustalonej. W prezentowanych badaniach przyjęto rozwiązanie kompromisowe: startowanie od pewnych małych wartości współczynników’ i stopniowe ich zwiększanie. Tabela 2 prezentuje sposób zmian współczynników rjl i r/2 w trakcie uczenia sieci różnymi zbiorami.

Tabela 2. Zmiany współczynników T71 i w trakcie uczenia sieci

	*?i	0.15	0.3	0.6	0.9
	m	0.1	0.2	0.4	0.6
Zbiory UCZ1, UCZ2 (70 elem.)	1. kroków	do 3000	do 6000	do 9000	pow. 9000
	il. prez. zbioru	do ~ 42	do - 85	do - 128	pow. ~ 128
Suma a zbiorów UCZ1+ UCZ2 b (140 dem)	1. kroków	do 3000	do 6000	do 9000	pow. 9000
	il. prez. zbioru	do ~ 21	do ~42	do ~ 64	pow. do 64
	1. kroków	do 6000	do 12000	do 18000	pow. 18000
	il. prez. zbioru	do ~ 42	do ~ 85	do - 128	pow. ~ 128

10.1.6 Czas uczenia

Czas uczenia najwygodniej określić przy pomocy ilości cykli prezentacji zbioru uczącego. Równocześnie powstaje problem oceny jakości uczenia po wykonaniu określonej ilości cykli. Podejście klasyczne, polegające na określaniu procentowym poprawności nauczenia lub rozpoznawania mówi niewiele o zmianach zachodzących przecież przez cały czas uczenia w sieci. Często zdarza się, że procent poprawnych odpowiedzi nie zmienia się lub zmienia się bardzo mało. W tej sytuacji dla sieci typu rozpoznającego, w której jeden element wyjściowy sygnalizuje rozpoznany obiekt lub klasę obiektów (winner iakrs all) proponuje się użycie jako mierników uczenia (rozpoznawania) znormalizowanych do przedziału [0, I) wyjść ostatniej warstwy sieci.

W przypadku sieci z elementami sigmoidalnymi normalizacja dokonuje się automatycznie. Istotne są tu proste statystyczne funkcje wyjść, takie jak wartość maksymalna, minimalna i średnia, przy czym w zależności od potrzeb mogą one być liczone dla poszczególnych elementów poddawanych rozpoznawaniu lub dla całego ich zestawu.

Proces uczenia zakończono dla opisywanej sieci po 118 prezentacjach zbioru UCZ1+UCZ2 (140 elementów = 20x7 rozkazów). Wyniki uczenia (100% rozpoznania zbioru uczącego i 95% rozpoznania ciągu testowego) można uznać za zadowalający. Należy jednak stwierdzić, że proces uczenia sieci jest żmudny i czasochłonny. Przykładowo, obliczenia prowadzone na komputerze IBM AT 386/387 o częstotliwości zegara 33 MHz trwały — z przerwami — kilka dni dla każdego cyklu uczpnia, a czas uczenia sieci jedną prezentacją zbioru 140-elemcntowego (UCZ1+UCZ2) wynosił około 10 minut!.

Wyszukiwarka

Podobne podstrony:
Sieci CP str124 124 10.i. Rozpoznawanie wybranego zbioru wyrazów mniejsze, lecz o podobnych proporcj
img124 124 10.1. Ratpotnawanie wybranego zbioru wyrazów mniejsze, lecz o podobnych proporcjach wzglę
img124 124 10.1. Ratpotnawanie wybranego zbioru wyrazów mniejsze, lecz o podobnych proporcjach wzglę
Sieci CP str122 122 10.1. Rozpoznawanie wybranego zhioru wyrazów ilością elementów widma częstotliwo
img122 122 10.1. Rozpoznawanie wybranego zbioru wyrazów ilością elementów widma częstotliwościowego
img122 122 10.1. Rozpoznawanie wybranego zbioru wyrazów ilością elementów widma częstotliwościowego
Sieci CP str046 ■i-10. Przyspieszanie procesu uczenia momenł.nm): .(rrOO + l) Z opisywanych w litera
Sieci CP str126 126 10.2. Rozwiązywanie problemu komiwojażera [Aiye90]): N = 10, typ = nieplanamy, A
Sieci CP str003 a 10.1.a Uczenie sieci .............................................................
Sieci CP str029 29 Rozdział X. Liniowe sieci neuronowe że neuron rozpoznaje1 sygnały wejściowe, wyró
Sieci CP str039 39 Rozdział 3. Liniowe siwi neuronowe mu taką strategię uczenia, by zapamięta] i pot
Sieci CP str096 96 7.8. Rozwiązywanie problemu komiwojażera oznacza długość wybranej drogi; przy obl
Sieci CP str123 123 Rozdział 10. Przykłady konkretnych zastosowali sieci neuronowych w 85% (18 wypow
img220 (6) 214 Sieci samoorganizujące się Rys. 10.6. Neurony, które rozpoznają pojawianie się punktó

więcej podobnych podstron