ТОР 5 статей: Методические подходы к анализу финансового состояния предприятия Проблема периодизации русской литературы ХХ века. Краткая характеристика второй половины ХХ века Характеристика шлифовальных кругов и ее маркировка Служебные части речи. Предлог. Союз. Частицы КАТЕГОРИИ:
|
Обучение нейронной сетиДля поиска неизвестных параметров, обеспечивающих адекватность нейронной сети данным эксперимента, был использован метод обратного распространения ошибки (back-propagation method) [12,79]. Каждая итерация процедуры обучения состоит из двух этапов - прямого и обратного хода. Алгоритм прямого хода 1° Вычислить суммарный взвешенный входной сигнал каждого нейрона текущего слоя m: (6.8) 2° Вычислить выходной сигнал каждого нейрона текущего слоя: (6.9) 3° Если текущий слой - не выходной, то перейти к следующему слою и повторить процедуры с п.1°. 4° Вычислить погрешность Q нейронной сети: (6.10) где - эталонное значение выхода j -го нейрона выходного слоя, - число нейронов выходного слоя. Алгоритм обратного хода 1° Определить скорость изменения погрешности при изменении выходного сигнала для каждого нейрона выходного слоя (EA): (6.11) 2° Определить скорость изменения погрешности при изменении суммарного входного сигнала каждого нейрона текущего слоя (EI): (6.12) 3° Определить скорость изменения погрешности при изменении веса на входной связи каждого нейрона текущего слоя (EW): (6.13) 4° Определить скорость изменения погрешности при изменении активности нейрона предыдущего слоя (EA): (6.14) 5° Провести модификацию межнейронных связей по правилу градиента: (6.15) где m - скорость обучения (шаг итерации); t - номер шага обучения. Перейти к следующему слою. 6° Если данный слой не является входным, все процедуры повторить с шага 2. Обучение продолжается до тех пор, пока не будет достигнута приемлемая погрешность.
Не нашли, что искали? Воспользуйтесь поиском:
|