Основы теории нейронных сетей

       

Алгоритмы обучения


Большинство современных алгоритмов обучения выросло из концепций Д.О. Хэбба. Он предложил модель обучения без учителя, в которой синаптическая сила (вес) возрастает, если активированы оба нейрона, источник и приемник. Таким образом, часто используемые пути в сети усиливаются и феномены привычки и обучения через повторение получают объяснение.

В искусственной нейронной сети, использующей обучение по Хэббу, наращивание весов определяется произведением уровней возбуждения передающего и принимающего нейронов. Это можно записать как

Алгоритмы обучения

где

Алгоритмы обучения
— значение веса от нейрона
Алгоритмы обучения
к нейрону
Алгоритмы обучения
до подстройки,
Алгоритмы обучения
— значение веса от нейрона
Алгоритмы обучения
к нейрону
Алгоритмы обучения
после подстройки,
Алгоритмы обучения
— коэффициент скорости обучения,
Алгоритмы обучения
— выход нейрона
Алгоритмы обучения
и вход нейрона
Алгоритмы обучения
,
Алгоритмы обучения
— выход нейрона
Алгоритмы обучения
.

Сети, использующие обучение по Хэббу, конструктивно развивались, однако за последние 20 лет появились и разрабатывались более эффективные алгоритмы обучения. В частности, были развиты алгоритмы обучения с учителем, приводящие к сетям с более широким диапазоном характеристик обучающих входных образов и большими скоростями обучения, чем использующие простое обучение по Хэббу.



Содержание раздела