img021 (62)

Eleme wprowadzenie do techniki sieci neuronowych

wysiłek, jaki człowiek w ten “trening” wkłada może być naprawdę minimalny (w skrajnych przypadkach sieć może douczać się całkiem sama, obserwując wyniki swojego działania i korygując ewentualne błędy). Zęby było jeszcze atrakcyjniej - twórca sieci może nie mieć pojęcia, jak należy rozwiązać postawione zadanie, a sieć potrafi sama znaleźć to rozwiązanie i zapamiętać “odkrytą” przez siebie metodę! Na tej właśnie zasadzie działają między innymi systemy wykorzystujące sieci neuronowe do prognoz giełdowych - my nie wiemy, od czego naprawdę zależy zwyżka lub zniżka cen określonych akcji, ale możemy zmusić sieć, by próbowała te zmiany przewidywać na podstawie analizy wcześniejszych zmian notowań traktowanych jako materiał do uczenia sieci. Najzabawniejsze jest, że sieć naprawdę potrafi to zrobić! Znane są przykłady znakomitego prognozowania za pomocą sieci notowań giełdowych, kursów walut, zapotrzebowania na energię elektryczną a nawet liczby plam na Słońcu i wielu innych na pozór przypadkowych przebiegów - przy czym twórcy sieci nawet po ich wy trenowaniu nie potrafili dojść do tego “jak ona to robi”!

Wreszcie po trzecie sieć potrafi (w ograniczonym zakresie) uogólniać wiedzę zdobytą w toku procesu uczenia. Po nauczeniu sieci reagowania w określony sposób na określone zbiory danych (czyli rozwiązywania pewnej klasy problemów) można kazać jej rozwiązać zadanie podobne do tych, które podawano w trakcie uczenia, ale w pewnym stopniu odmienne. Sieć jest w stanie uogólnić posiadane wiadomości na przypadki, których nigdy nie widziała, może więc “wymyślić” sposób rozwiązania nieznanego zadania, czego zwykły komputer normalnie zaprogramowany nigdy nie zrobi. Przykładem zadań, w których te własności sieci znajdują zastosowania, są pamięci asocjacyjne. Sieć potrafi zgromadzić określony zestaw wiadomości, do których dostęp można uzyskać na zasadzie kontekstowej, a nie na zasadzie adresowej, jak w zwykłym komputerze. Przykładowo można sieć nauczyć kilku obrazów, a potem pokazać drobny fragment jednego z nich,-być może nawet zakłócony i zniekształcony. Sieć na podstawie tej niepełnej i niedokładnej informacji potrafi odnaleźć i otworzyć pełny obraz w jego idealnej postaci. Sieć ma więc pewne cechy upodabniające ją do naszego mózgu, w którym także możliwe jest uogólnianie zdobytej wiedzy na nowe (chociaż podobne) przypadki, a pamięć funkcjonuje na zasadzie asocjacji, a nie na zasadzie adresów czy słów kluczowych. Jest to fascynujące spostrzeżenie, samo w sobie wystarczające do tego, by uzna sieć za interesujący obiekt badań. Takich zaskakujących analogii z ludzkim umysłem jest w dziedzinie sieci neuronowych więcej. Sieć nie daje się na przykład “wyprowadzić w pole” i jeśli uczący ją nauczyciel popełnia błędy lub jest niekonsekwentny - sieć uzyskuje możliwość realizacji stawianego zadania lepiej, niż nauczyciel, który ją naucza. Obserwacje, za pomocą których sieć

Wyszukiwarka

Podobne podstrony:
img019 (62) Elementarne wprowadzenie do techniki sieci neuronowych gdyż generalnie w sieciach neuron
img023 (60) Elementarne wprowadzenie do techniki sieci neuronowych z ocenami nauczyciela). Wielkość
img071 (31) Elementarne wprowadzenie do techniki sieci neuronowych 65 Rys. 4.16. Prezentacja położen
img093 (18) Elementarne wprowadzenie do techniki sieci neuronowych 87 wartości współczynnika określa
img115 (17) Elementarne wprowadzenie do techniki sieci neuronowych 109 ma żadnego wpływu na sposób

więcej podobnych podstron