Page 11 - No30

EGY EGYSZERŰ NEURÁLIS HÁLÓZAT PÉLDÁJA

Tanítsunk alakzatot!

A GRADIENS CSÖKKENTÉS
A VISSZATERJEDÉS SORÁN
Az Excel munkalapon is
megvalósítható példát A H hibafüggvény, melynek a
Charles Zaiontz munkája paraméterek szerinti minimumait fogjuk
keresni, legyen komponenseinek átlagos
alapján ismertetjük (Simple értéke (átlagos hibanégyzet). A
Neural Network Example) hibafüggvény komponensei H , k=1-4 a
k
címkézett elvárt eredmény y c és a
kimeneti csomópont komponensei
Tekintsük a következő egyszerű feladatot! különbségeinek a négyzetei,
Tanítsunk meg egy egyszerű neurális A jelek a bemeneti rétegből a kimeneti
hálózatot, hogy felismerje a bemeneti rétegbe kerülnek. A bemeneti réteg
adatok között a 01 vagy 10 két bites csomópontjaiból érkező jelek z j, minden
digitális mintázatokat. Ez lehet például csomópontnak értéket adnak a j . A rejtett
fekete-fehér képeken egymás melletti és kimeneti rétegek csomópontjai
pixel oszlopban fehér-fekete vagy fekete- hozzájárulást is tartalmaznak b j . A hálózat
fehér alakzat felismerése. tanításához használjuk a gradiens
csökkentés módszerét, szigmoid A HIBAFÜGGVÉNY
aktivációs függvénnyel és a H PARAMÉTEREK SZERINTI
hibafüggvény legyen a komponensei (k) GRADIENSE:
négyzetes hibáinak átlaga. A hálózatnak 9
paraméterre van p a ={w (i=1,6), b j
i
A lehetséges kombinációkat állítsuk elő 2 (j=3-5)}. A rejtett csomópontok értékei a j ,
négy bites alakzattal X1, X2. Az f(X1,X2) j=3-5 és a hibafüggvény értéke is 4
=Y függvény, amelyre a hálózatot meg bitesek.
szeretnénk tanítani, Y = 0, ha X = X 2k
k
1k
és Y = 1 egyébként. Adjuk meg adatként
k
az elvárt eredményt is, amelyet
címkézzünk meg Yc. Yc komponenseinek
értéke 1 ha teljesül a feltétel, 0 ha nem.
Vegyünk fel egy hálózatot 5 csomóponttal.
Mivel a hibafüggvény összetett függvény a
paraméterek szerinti gradienseinek
komponenseit grad H (p ) láncszabály
k
α
határozza meg.
A HÁLÓZAT TANULÁSI Például a Δw4 részletesen:
ALGORITMUSA
Előreterjedés
A rejtett és kimeneti csomópontok
Két bemeneti csomópont, N1, N2, egy két értékeinek komponensei:
csomópontos N3, N4 rejtett réteg és egy
kimeneti csomópont N5. (A fenti igen A rejtett és kimeneti rétegek
egyszerű feladat logikai függvényekkel is csomópontjainak értékei szigmoid
megoldható. Neurális hálózattal történő függvények.
megoldása a hálózatok működésének
illusztrációját szolgálja. Bonyolultabb
mintázatok felismeréséhez jóval
összetettebb hálózatra van szükség.)

KÉMIAI PANORÁMA 30. SZÁM, 2025. ÉVFOLYAM 11