img072

5.8. Autoasocjucyjim sieć CP

	Tt... T			tt-i	t_
1				i J
tt -1	|, ^ i . , L , . . . i . i L J L i L i >					tw
1		l _l *“
▲ 4. 4	4	' j - t f		▲ i	.4 i
		---- i			.
	‘ '

X    Y

Jak widać, na jej wejścia podaje się zarówno wektor X, jak i wektor Y (zakładając, że liczba wejść sieci jest równa sumarycznej długości wektorów X i Y, natomiast na wyjściach oczekuje się pojawienia się wektorów X' i Y' identycznych z wektorami wejściowymi X i Y (na tym polega autoasocjacyjność sieci).

Uczenie sieci przebiega według następującego schematu. Kolejne elementy ciągu uczącego

U = {< X^(,),Y^(l> >,< X<^a),Y<³> >.....< X⁽*\Y<*>    X°^V),Y<^jV) >}

podaje się równocześnie na oba wejścia sieci (jako sygnały wejściowe) i na jej wyjścia (jako oczekiwane sygnały wyjściowe). Sieć więc na tym etapie uczona jest realizacji odwzorowania tożsamościowego czyli wiernego odtwarzania na swoim wyjściu stanu swoich wejść. Po zakończeniu procesu nauki eksploatuje się natomiast sieć w sposób wielce oryginalny: podaje się na przykład na wejście pewien sygnał X^ł** , natomiast wejści Y pozostawione są bez sygnałów (odpowiada to sytuacji Y = 0). Sieć na swoich wyjściach odtworzy sygnał X^, ale co więcej — na drugiej części wyjść odtworzy także sygnał Y(^ł\ który na etapie uczenia był kojarzony z X⁽*^. Jak z tego wynika, sieć nauczyła się realizować odwzorowanie X => Y.

Ponieważ podczas uczenia sygnały X i Y są całkowicie równoprawne, sieć potrafi także odtwarzać odwzorowanie odwrotne Y =$• X, wystarczy w tym celu na jej wejścia podać sygnał Y^ pozostawiając wejście X bez jakichkolwiek informacji, a na wyjściu otrzyma się sygnał X^ obok oczywiście odtworzonego przez sieć sygnału Y^.

Sieci CP znalazły liczne zastosowania. Doskonale zdają one egzamin jako systemy klasyfikacji i rozpoznawania obrazów, są wykorzystywane w automatyce i robotyce do sterowania

Wyszukiwarka

Podobne podstrony:
!r m i 72F * V iJł&f 19 MBS}! TT IWO,
Sieci CP str072 72 5.8. Autoasocj&cyjna, sieć CP X _tj s n_j_ n_± Y X Jak widać, na jej
4J,j ^ 2fc c> U*V-r-r«»łi ~ ~7 - O -#- Rv/ -f<£> -A—-—iHe / Cp TT ęSt
53008 image619 Cł G5-    9 Sieć poz 9 Sieć niw. (TT?!] Do tabci Qf   &
image619 Cł G5-    9 Sieć poz 9 Sieć niw. (TT?!] Do tabci Qf    ^
image619 Cł G5-    9 Sieć poz 9 Sieć niw. (TT?!] Do tabci Qf    ^
53008 image619 Cł G5-    9 Sieć poz 9 Sieć niw. (TT?!] Do tabci Qf   &
img072 72 nym, «ło określamy praos szacowanie symetrycznego położenia pęcherzyka względem odpowiedni
IMG072 72 - P1 Jest w pozycji 1, a P2 w pozycji 2, - P1 Jest w pozycji 2, a P2 w pozycji 1. Otrzyman
img072 72 Znajdziemy teraz postać widma gęstości mocy tonowej modulacji częstotliwości dla dużych wa
img072 72 6. Metody aproksymacyjne jest minimalna. Ale przekształcając wzór (59) łatwo otrzymać n
img072 72 -zyatajęc z definicji różniczki zupełnej onez ze wzoru (6.4), otrzymujemy 72d9(a) ■ E lfr(

więcej podobnych podstron