Обратный проход

Так как для каждого нейрона выходного слоя задано целевое значение, то подстройка весов легко осуществляется с использованием модифицированного дельта-правила (δ-разность между целевым и реальным выходом). Внутренние слои назовем “скрытыми слоями”. Для их выходов не имеется целевых значений для сравнения. Поэтому обучение усложняется.

На рис. 15 показан процесс обучения для одного веса от нейрона р в скрытом слое j к нейрону q в выходном слое k.

Рис.15. Настройка веса в выходном слое.

Выход нейрона слоя k, вычитаясь из целевого значения (T), дает сигнал ошибки. Он умножается на производную сжимающей функции [OUT*(1-OUT)], вычисленную для этого нейрона слоя k, давая, таким образом, величину δqk.

δqk = OUT*(1-OUT)*(T-OUT). (13)

Затем δqk умножается на величину OUT нейрона j, из которого выходит рассматриваемый вес. Это произведение, в свою очередь, умножается на коэффициент скорости обучения η (обычно от 0.01 до 1), и результат прибавляется к весу. Такая же процедура выполняется для веса от нейрона скрытого слоя к нейрону в выходном слое.

Следующие уравнения иллюстрируют это вычисление:

Δw_pq,k= η δ_qk OUT_p,j, (14)

w_pq,k(n+1)= w_pq,k(n)+ Δw_pq,k, (15)

где w_pq,k(n) - величина веса от нейрона р в скрытом слое к нейрону q в выходном слое на шаге (до коррекции);

w_pq,k(n+1) - величина веса на шаге n+1 (после коррекции);

Δw_pq,- величина Δw для q в выходном слое k;

OUT_p,j - величина OUT для нейрона p в скрытом слое j.

Дата добавления: 2014-01-11