Cтраница 1
Алгоритм обратного распространения ошибки - это итеративный градиентный алгоритм обучения, который используется с целью минимизации среднеквадратичного отклонения текущих от требуемых выходов многослойных нейронных сетей с последовательными связями. [1]
Алгоритм обратного распространения ошибки используется также для обучения сетей с обратными связями. [2]
Многослойная нейронная сеть. [3] |
Обсудим алгоритм обратного распространения ошибки [20], который позволяет обучать многогослойные нейронные сети. Этот алгоритм считается наиболее известным и чаще всего применяемым в искусственных нейронных сетях. [4]
Реализован только алгоритм обратного распространения ошибки, который можно настроить путем изменения параметров скорости и точности обучения. По сравнению с Process Advisor один балл добавлен за большее количество настраиваемых параметров алгоритма обучения. [5]
В результате выполнения алгоритма обратного распространения ошибки вырабатываются ( аналогично тому, как показано в разд. [6]
Наиболее распространенным алгоритмом обучения является алгоритм обратного распространения ошибки. [7]
При обучении возможно только менять параметры алгоритма обратного распространения ошибки. [8]
Рассмотрим один из самых распространенных алгоритмов обучения - алгоритм обратного распространения ошибки. [9]
С целью ускорения процесса обучения сети предложены многочисленные модификации алгоритма обратного распространения ошибки, связанные с использованием различных функций ошибки, процедур определения направления и величин шага. [10]
Кроме рассмотренных выше многослойных нейронных сетей, обучаемых по алгоритму обратного распространения ошибки, известно много разновидностей специфических нейронных сетей, реализующих различные свойства биологических систем и, прежде всего, свойства ассоциативной памяти. [11]
Разработана программа, которая основывается на нейронно-сетевом методе и использует алгоритм обратного распространения ошибки ( back propagation), при котором сигнал ошибки на выходе нейронной сети распространяется в обратном направлении: от нейронов выходного слоя к нейронам входного слоя с последующей корректировкой синаптических весов нейронной сети для достижения минимальной выходной погрешности. Таким образом, подавая на вход совокупность из ложных и истинных сигналов, путем обработки их с помощью алгоритма обратного распространения, мы получаем на выходе только истинные. Программа реализована на языке программирования Delphy, имеет удобный графический интерфейс и позволяет подавать данные на входной слой нейронов через клавиатуру. [12]
Легко заметить, что модифицированный ( с учетом момента) алгоритм обратного распространения ошибки работает в несколько раз быстрее традиционного алгоритма, тогда как применение алгоритма RLS позволяет увеличить эту скорость еще на порядок. [13]
Экспериментальные исследования показывают [24], что введение момента ускоряет сходимость алгоритма обратного распространения ошибки. [14]
Используя далее тот же подход, как и при выводе алгоритма обратного распространения ошибки ( см. разд. [15]