Page 10 - No30

TANULÁS, MODELLEZÉS, MINTAFELISMERÉS

paraméter szerinti gradiens értékét A ráta értéke
kivonjuk a paraméter előző értékéből, befolyásolja a
akkor a hibafüggvény értéke a minimum minimum
felé fog elmozdulni. Mivel a minimumhoz megközelítési
közeledve a gradiens értéke egyre módját is.
csökken, – a minimumpontban 0 lesz-, a Összefoglalva az
paraméterváltozás Δp is egyre kisebb lesz algoritmus lépései
közeledve a minimumhoz a további a következők: Első
iterációs ciklusokban. A ciklusok számát a lépés a kezdeti
kívánt pontosság elérése határozza meg. paraméterek {wi,
Használnak ún. tanulási sebességet is bj} beállítása
(rátát) η, amelynek beállításával lassítani, véletlenszerűen.
vagy gyorsítani lehet a minimum felé Ezt követi a rejtett
közeledés sebességét. A függvény csomópontok
minimumhelyéhez tartozó p min pontban értékeinek zj, és
húzott érintő párhuzamos lesz a p kimeneti
tengellyel gradH=tgα=0. A p min értékeinek aj
paraméterérték, (vagy egy ehhez közeli kiszámítása. Majd
érték) amit a hálózat az iterációs ciklusok a kimeneti réteg
végén beállít a hálózat minden csomópontjainak értékei és az elvárt
paraméterének végső értékének. címkézett adatok különbségei Az adott neurális hálózat, a
A hibafüggvény összetett függvény, meghatározzák a hibafüggvényt és az hibafüggvényt minimalizáló
H(a(z(p))). Emiatt a p paraméterek összes paraméter szerinti gradienseit. Az paraméterkészlettel ellátva, más bemeneti
szerinti gradiensek az egyes változók algoritmus ezt követően módosítja az adatokban is felismeri a tréningjéhez
szerinti gradiensek szorzatai lesznek összes paramétert a H függvény megadott yc címkézett bináris
(láncszabály: paraméterek szerinti gradienseivel, a mintázatokat.
hibafüggvény értékét csökkentő irányba. Az alábbiakban részletesebben
Az új paraméterkészlettel ismételten érdeklődő olvasóink számára egy egyszerű
kiszámítja az új kimenti hibafüggvényt. példán illusztráljuk a neurális hálózatok
Majd a lépéseket, addig ismétli, míg a tanulási algoritmusát.
hibafüggvény eléri a minimumát.
Pálinkás Gábor

IRODALOM

Sajó Zsolt Attila gépi tanulás
Sajó Zsolt Atila Gradiens-csökkentés
H. Bommana, Introduction to Neural
Networks
What is a Neural Network? |
GeeksforGeeks
Charles Zaiontz, Neural Network Basic
Concepts

10 KÉMIAI PPANORÁMAANORÁMA 30. SZÁM, 2025. ÉVFOLAMAM
10 KÉMIAI 30. SZÁM, 2025. ÉVFOL Y Y