<<
>>

ОБУЧЕНИЕ ПЕРСЕПТРОНА

Способность искусственных нейронных сетей обучаться является их наиболее интригующим свойством. Подобно биологическим системам, которые они моделируют, эти нейронные сети сами моделируют себя в результате попыток достичь лучшей модели поведения.

Используя критерий линейной разделимости, можно решить, способна ли однослойная нейронная сеть реализовывать требуемую функцию. Даже в том случае, когда ответ положительный, это принесет мало пользы, если у нас нет способа найти нужные значения для весов и порогов. Чтобы сеть представляла практическую ценность, нужен систематический метод (алгоритм) для вычисления этих значений. Розенблатт [4] сделал это в своем алгоритме обучения персептрона вместе с доказательством того, что персептрон может быть обучен всему, что он может реализовывать. Обучение может быть с учителем или без него. Для обучения с учителем нужен «внешний» учитель, который оценивал бы поведение системы и управлял ее последующими модификациями. При обучении без учителя, рассматриваемого в последующих главах, сеть путем самоорганизации делает требуемые изменения. Обучение персептрона является обучением с учителем. Алгоритм обучения персептрона может быть реализован на цифровом компьютере или другом электронном устройстве, и сеть становится в определенном смысле самоподстраивающейся. По этой причине процедуру подстройки весов обычно называют «обучением» и говорят, что сеть «обучается». Доказательство Розенблатта стало основной вехой и дало мощный импульс исследованиям в этой области. Сегодня в той или иной форме элементы алгоритма обучения персептрона встречаются во многих сетевых парадигмах.
<< | >>
Источник: Ф. Уоссермен. Нейрокомпьютерная техника: Теория и практика. 1992

Еще по теме ОБУЧЕНИЕ ПЕРСЕПТРОНА:

  1. Многослойные персептроны
  2. 1.2.11. Однослойный персептрон
  3. Глава 2. Персептроны
  4. 4. Классификация систем (форм) обучения по механизму декомпозиции содержания обучения
  5. 23.Психологическая характеристика обучения. Обучение и развитие. Сущность, виды и механизмы научения.
  6. 2.2 Алгоритм обучения нейронной сети для ускоренной сходимости обучения
  7. 4. Интенсификация обучения и проблемное обучение
  8. §1. Понятие о методах обучения и их классификации.Взаимосвязь методов обучения
  9. § 1. Понятие принципов обучения
  10. Обучение вне работы
  11. Модели дистанционного обучения
  12. Проблемное обучение
  13. Догматическое обучение
  14. Понятие метода обучения
  15. Методы обучения и их выбор
  16. 9. Технологии развивающего обучения
  17. Плата за обучение.
  18. 4.2. Методы активного обучения