В чем отличие обучения с учителем от обучения без учителя?
Обучение с учителем предполагает наличие целевого вектора, который необходим для того чтобы сравнивать действительные результаты ИНС с желаемыми и вносить корректировки в весовые значения синаптических связей, в то время обучение без учителя не нуждается в целевом векторе для выходов для выходов и, следовательно не требует сравнения с предопределенными идеальными ответами.
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.
Обучение без учителя не нуждается в целевом векторе для выходов и, следовательно, не требует сравнения с предопределенными идеальными ответами. Обучающее множество состоит лишь из входных векторов. Обучающий алгоритм подстраивает веса сети так, чтобы получались согласованные выходные векторы, т. е. чтобы предъявление достаточно близких входных векторов давало одинаковые выходы. Процесс обучения выделяет статистические свойства обучающего множества и группирует сходные векторы в классы.
Используется ли целевой вектор для выходов при обучении НС с учителем?
“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.” – Да, используется
|
|
|
Используется ли целевой вектор для выходов при обучении НС без учителя?
“Обучение без учителя является намного более правдоподобной моделью обучения в биологической системе. Развитая Кохоненом и многими другими, она не нуждается в целевом векторе для выходов и, следовательно, не требует сравнения с предопределенными идеальными ответами.”–Нет, не используется
15. Что означает "переобученность" сети? И чем она бывает вызвана?
Теория обучения рассматривает три фундаментальных свойства, связанных с обучением по примерам: емкость, сложность образцов и вычислительная сложность. Под емкостью понимается, сколько образцов может запомнить сеть, и какие функции и границы принятия решений могут быть на ней сформированы. Сложность образцов определяет число обучающих примеров, необходимых для достижения способности сети к обобщению. Слишком малое число примеров может вызвать "переобученность" сети, когда она хорошо функционирует на примерах обучающей выборки, но плохо - на тестовых примерах, подчиненных тому же статистическому распределению.
Обучение персептрона – это обучение с учителем или без?
|
|
|
Обучение персептрона - это обучение с учителем, т. е. должен существовать набор векторов (Xk,yk), k=1, 2, ..., p, называемый обучающей выборкой. Здесь Xk=(x0k, x1k,x2k, …, xnk), k=1, 2, ..., p - примеры входных образов, для которых заранее известна их принадлежность к одному из двух данных классов.
В чем отличие формального нейрона Маккалока и Питтса от персептрона Розенблатта?
В зависимости от реализуемого алгоритма на допустимые значения входов и выходов нейрона накладываются определенные ограничения: значения Xi и Yj могут бинарными (т.е. равными 0 или 1), бинарными биполярными (+1 или -1), принадлежащими интервалу (0,1), неотрицательными или действительными. Аналогичные ограничения накладываются на веса синапсов нейронов wij .
Дата добавления: 2018-05-12; просмотров: 1301; Мы поможем в написании вашей работы! |
Мы поможем в написании ваших работ!