Алгоритм - обучение - Большая Энциклопедия Нефти и Газа, статья, страница 2
Если вам долго не звонят родственники или друзья, значит у них все хорошо. Законы Мерфи (еще...)

Алгоритм - обучение

Cтраница 2


Алгоритм обучения обсуждаемой сети представлен на рис. 5.2 в виде блок-схемы. В принципе, он не требует дополнительных комментариев, можно добавить лишь несколько слов о принятых на этом рисунке упрощениях.  [16]

Алгоритм обучения данной сети не отличается от ранее рассмотренного.  [17]

Алгоритм обучения данной сети, в принципе, не отличается от рассмотренных.  [18]

Алгоритмом обучения: некоторые алгоритмы накладывают ограничения на вид функции активации, их нужно учитывать.  [19]

20 Система управления дообучением ИНС с использованием вектора. [20]

Алгоритмом обучения нейросети является разновидность ВР с прогнозом ошибки обучения ВРР ( back propagation with prediction), так называемый динамический алгоритм ВР.  [21]

Наиболее распространенным алгоритмом обучения является алгоритм обратного распространения ошибки.  [22]

Рассмотрим алгоритм обучения по отдельным его этапам.  [23]

Рассмотрим алгоритм обучения по отдельным этапам.  [24]

Различают алгоритмы обучения с учителем и без учителя. Обучение с учителем предполагает, что для каждого входного вектора существует целевой вектор, представляющий собой требуемый выход. Вместе они называются обучающей парой. Обычно сеть обучается на некотором числе таких обучающих пар. Предъявляется выходной вектор, вычисляется выход сети и сравнивается с соответствующим целевым вектором, разность ( ошибка) с помощью обратной связи подается в сеть и веса изменяются в соответствии с алгоритмом, стремящимся минимизировать ошибку. Векторы обучающего множества предъявляются последовательно, вычисляются ошибки и веса подстраиваются для каждого вектора до тех пор, пока ошибка по всему обучающему массиву не достигнет приемлемо низкого уровня.  [25]

Для алгоритмов обучения присущи черты математических алгоритмов.  [26]

Большинство алгоритмов обучения использует эвристические приемы формирования графов сетей и весов ребер. При использовании многоуровневых персептронных сетей обучение начинается с выбора начальной сети с задаваемым в постановке задачи числом входов и выходов и эвристически выбираемом графе нейронной сети, связывающей входы с выходами. Например, в [39] рекомендуется взять трехслойную сеть с числом нейронов внутреннего слоя, равным полусумме числа входов и выходов сети. Каждый нейрон внутреннего слоя должен быть связан с выходами всех входных нейронов сети. Каждый выходной нейрон должен быть связан с выходами всех нейронов внутреннего слоя.  [27]

Выбор алгоритма обучения также зависит от знаний и опыта специалиста. На этапе проверки достоверности работа сети сравнивается с данными контрольного множества. Желательно, чтобы они полностью отличались от применявшихся на предыдущем этапе.  [28]

Выбор алгоритма обучения также зависит от знаний и опыта специалиста.  [29]

В алгоритме обучения распознавания образов Кора используются комплексы простых признаков типа (8.20) - конъюнкции нескольких признаков.  [30]



Страницы:      1    2    3    4