Формалізація задачі

Алгоритм рішення задач за допомогою МСП

Щоб побудувати МСП, необхідно вибрати його параметри. Найчастіше вибір значень ваг і порогів вимагає навчання, тобто покрокових змін вагових коефіцієнтів і граничних рівнів.

Загальний алгоритм рішення:

1. Визначити, який зміст вкладається в компоненти вхідного вектора x. Вхідний вектор повинний містити формалізовану умову задачі, тобто всю інформацію, необхідну для одержання відповіді.

2. Вибрати вихідний вектор yтаким чином, щоб його компоненти містили повну відповідь поставленої задачі.

3. Вибрати вид нелінійності в нейронах (функцію активації). При цьому бажано врахувати специфіку задачі, тому що удалий вибір скоротить час навчання.

4.Вибрати число шарів і нейронів у шарі.

5. Задати діапазон зміни входів, виходів, ваг і граничних рівнів, з огляду на безліч значень обраної функції активації.

6. Привласнити початкові значення ваговим коефіцієнтам і граничним рівням і доповнюючим параметрам (наприклад, крутості функції активації, якщо вона буде набудовуватися при навчанні). Початкові значення не повинні бути великими, щоб нейрони не виявилися у насиченні (на горизонтальній ділянці функції активації), інакше навчання буде дуже повільним. Початкові значення не повинні бути і занадто малими, щоб виходи більшої частини нейронів не були рівними нулю, інакше навчання також сповільниться.

7. Провести навчання, тобто підібрати параметри мережі так, щоб задача зважувалася найкращим образом. По закінченні навчання мережа готова вирішити задачі того типу, яким вона навчена.

8. Подати на вхід мережі умови задачі у виді вектора x. Розрахувати вихідний вектор y, що і дасть формалізоване рішення задачі.

Багатошаровий перцептрон може розраховувати вихідний вектор yдля будь-якого вхідного вектора x, тобто давати значення деякої векторної функції y = f(x). Отже, умова будь-якої задачі, що може бути поставлена перцептрону, повинна бути безліччю векторів

NI компонентами кожний:Рішенням задачі буде безліч векторів , кожний вектор ys з NO компонентами; , де — номер пред'явленого образа.

Усе, що здатен зробити перцептрон — це сформувати відображення для . Дане відображення ми не можемо "витягти" цілком з перцептрона, а можемо тільки порахувати відображення довільної кількості крапок:

тут безліч векторів — формалізована умова задачі, а безліч — формалізоване рішення. Задача формалізації, тобто вибору змісту, яким наділяються компоненти вхідного і вихідного векторів, поки зважується тільки людиною на основі практичного досвіду.

Твердих рецептів формалізації для нейронних мереж поки не створено. Розглянемо, як вибирається зміст вхідних і вихідних даних у найбільш розповсюджених випадках.