Нейрокомпьютинг и его применения в экономике и бизнесе

Скачать в pdf «Нейрокомпьютинг и его применения в экономике и бизнесе»


Таблица 5. Сравнение режимов обучения нейросетей


Вид обучения:


С «учителем»


С «подкреплением»


Без «учителя»


Что подается в качестве обучающих примеров


Набор пар входов-выходов {ха,у“}


Оценка выходов сети {х“,у(х“)}


Только набор входных значений |х“|


Что требуется от сети


Найти функцию, обобщающую примеры,в


случае дискретных у“ -классифицировать входы. В целом — научиться реагировать схожим образом в схожих ситуациях.


Научиться заданной “правильной” линии поведения.


Найти


закономерности в массиве данных, отыскать порождающую данные функцию распределения, найти более компактное описание данных.

С практической точки зрения, «помеченные» данные [хв,у“| зачастую дороги и не столь


многочисленны, как «непомеченные» {х“|, например, в случае, когда «учителем» является


человек — эксперт. В силу этого обстоятельства на таких данных можно обучить лишь относительно простые и компактные нейросети. Напротив, нейросети, обучаемые без учителя часто используют для переработки больших массивов «сырых» данных — в качестве предобрабатывающих фильтров. Указанное различие, однако, исчезает, когда данные естественным образом распадаются на входы-выходы, например при предсказании временных рядов, где следующее значение ряда является выходом, а предыдущие несколько значений -соответствующими входами обучаемой нейросети.


Архитектура связей


На способ обработки информации решающим образом сказывается наличие или отсутствие в сети петель обратных связей. Если обратные связи между нейронами отсутствуют (т.е. сеть имеет структуру последовательных слоев, где каждый нейрон получает информацию только с предыдущих слоев), обработка информации в сети однонаправленна. Входной сигнал обрабатывается последовательностью слоев и ответ гарантированно получается через число тактов равное числу слоев.


Наличие же обратных связей может сделать динамику нейросети (называемой в этом случае рекуррентной) непредсказуемой. В принципе, сеть может «зациклиться» и не выдать ответа никогда. Причем, согласно Тьюрингу, не существует алгоритма, позволяющего для произвольной сети определить придут ли когда-либо ее элементы в состояние равновесия (т.н. проблема останова).

Скачать в pdf «Нейрокомпьютинг и его применения в экономике и бизнесе»