Kalábovi

Kalábovic wikina

Uživatelské nástroje

Nástroje pro tento web


msz:neural_multilayer

Rozdíly

Zde můžete vidět rozdíly mezi vybranou verzí a aktuální verzí dané stránky.

Odkaz na výstup diff

Následující verze
Předchozí verze
msz:neural_multilayer [30. 05. 2012, 21.02:12] – vytvořeno hemedroidmsz:neural_multilayer [09. 08. 2026, 15.31:26] (aktuální) – odstraněno - upraveno mimo DokuWiki (Neznámé datum) 127.0.0.1
Řádek 1: Řádek 1:
-====== Vícevrstvé dopředné neuronové sítě ====== 
-<note warning>ve vývoji, neučit se z toho ještě</note> 
-(učení – princip algoritmu zpětného šíření chyby, odezva, možné aplikace) 
----- 
-[[neural_basics | Základní termíny neuronových sítí]] 
  
-===== Topologie ===== 
- 
-Vícevrstvé neuronové sítě jsou složené z několika vrstev neuronů, které jsou mezi sebou různě propojené. Obvykle jde o: 
- 
-  * Vstupní vrstvu, kde jednotlivým neuronům jsou přířazené vstupy sítě. Někdy se jako vstupní vrstva označuje první vrtva neuronů, jindy je myšlen pouze vektor vstupů - je třeba definovat. 
-  * N skrytých vrstev. 
-  * Výstupní vrstvu, ze které lze vyčíst výsledné údaje. 
- 
-Zapojení může být jednosměrné nebo obousměrné. V druhém případě lze vstup vložit na některý ze dvou konců sítě a z druhého konce poté vyčíst výstup. Tyto sítě jsou pak obousměrně dopředné. 
- 
-===== Učení ===== 
- 
-Vícevrstvé dopředné neuronovky se učí //s učitelem//. Je tedy poskytnuta trénovací množina, která obsahuje dvojice (vstup, požadovaný výstup). Učení základní sítě tohoto typu (back-propagation) a probíhá v následujících fázích postupně pro každý prvek trénovací množiny: 
- 
-  * Dopředný chod. 
-    * Postupně je vypočítán výstup každé vrstvy při daném vstupu. 
-    * Výstupní vrstva tedy poskytne nějaké hodnoty, které jsou porovnány s požadovaným výstupem. 
-  * Zpětný chod (back-propagation). 
-    * Odchylka každé z hodnot je předána patříčnému neuronu výstupní vrstvy, který si podle ní spočítá, jak musí změnit své váhy, aby tuto odchylku zmenšil. 
-    * Neurony předchozí vrstvy provedou stejný proces, ovšem používají vypočítanou odchylku výstupní řady. 
-    * Takto se probublá celá síť až k první neuronové vrstvě. 
-  * Úprava vah neuronů. 
-    * Nyní si všechny neurony upraví své váhy na základě vypočítaných odchylek. 
-    * Úprava je obvykle ovlivněna koeficientem, který se postupně snižuje (aby síť postupně konvergovala k nějakému stavu - tlumené učení) 
-  * Celý proces se opakuje, dokud není globální odchylka dostatečně malá nebo dokud nevyprší daný čas. Pokud dojdou prvky trénovací množiny, jede se znovu. Pozn.: Celá trénovací množina musí alespoň jednou projít skrz síť. 
/var/www/wiki/data/attic/msz/neural_multilayer.1338411732.txt.gz · Poslední úprava: (upraveno mimo DokuWiki)