Treść książki
Przejdź do opcji czytnikaPrzejdź do nawigacjiPrzejdź do informacjiPrzejdź do stopki
42
MODELENEURONÓWIMETODYICHUCZENIA
zależynietylkoodsumyważonejsygnałówwejściowych,alerównieżodpewnej
zmiennejlosowejgenerowanejkażdorazowozzakresu(0,1).
Wmodelustochastycznymneuronusygnałwyjściowyy
iprzyjmujewartość±1
zprawdopodobieństwemProb(
y
i
±±
1)1/[1exp(2
±
+
i
B
u
i
)],
gdzieu
ioznacza
sumęważonąsygnałówwejściowychi-tegoneuronu,a
B
wartośćstałą,dodat-
nią,najczęściejrówną1.Procesuczenianeuronuwmodelustochastycznymprze-
biegawnastępującejkolejności:
N
Obliczeniesumyważonej
u
i
±Σ
wx
ij
j
dlakażdegoneuronusieci.
j
±
0
Obliczenieprawdopodobieństwa,żey
iprzyjmiewartość±1,zgodniezzależ-
nością
Prob(
y
i
±±
1)
±
1exp(2
+
1
i
B
u
i
)
(2.43)
Generacjazmiennejlosowej
RE
(0,1)
iustaleniesygnałuwyjściowegoneuro-
nuy
i=±1,jeśliProb(
y
i
±±>
1)
R
lub
y±iwprzeciwnymwypadku.
i
1
Proceszmianystanuwyjściowegoneuronówomówionyuprzednioprzepro-
wadzasięnalosowowybranejgrupieneuronów,modyfikującichstanzgodnie
zprzedstawionąregułą.
Poustaleniustanuwylosowanychneuronówmodyfikujesięwagiodpowiednio
dowybranejregułyuaktualnianiawag.Naprzykładwuczeniuznauczycielem
wedługregułyWidrowa-Hoffa,adaptacjawagprzebiegazgodniezewzorem
∆
w
ij
±
n
xd
j
(
i
-
y
i
)
(2.44)
Zostałowykazane[64],żetakisposóbdoboruwagprowadziwefekciedo
minimalizacjifunkcjicelu,zdefiniowanejwsensiebłęduśredniokwadratowego
E
±
1
2
ΣΣ
k
p
±
1
i
n
±
1
(
d
i
()
k
-
y
i
()
k
)
2
określanegodlai-tegoneuronuippróbekuczących.
Należypodkreślić,żewszystkieomówionedotądmodeleneuronówbyłyna-
turystatycznej,gdyżsygnaływyjścioweneuronuwchwilachwcześniejszychnie
miałyżadnegowpływunajegosygnaływejściowe.Przetwarzaniesygnałówdo-
tyczyłookreślonejchwili,dlaktórejsąwyznaczanezarównosygnaływejściowe,
jakiwyjściowy.Wwieluzastosowaniachpraktycznych,np.wsterowaniuobiek-
tów,zadaniachpredykcjisygnaływejścioweneuronumogązależećodjegood-
powiedziuzyskanychwchwilachwcześniejszych.Wtakimprzypadkuotrzymuje
sięsygnałwyjściowyneuronuwchwilituzależnionyodjegowartościwchwi-
lachwcześniejszych.Takzbudowanymodelneuronunazywasięmodelemdyna-
micznym.