Обучающий пример
Cтраница 3
С другой стороны, на начальных этапах обучения, когда обучающая выборка имеет сильный разброс значений, для ускорения сходимости имеет смысл установить низкую точность проверки выхода сети. Далее, когда большинство или все обучающие примеры порождают выходные значения в пределах заданной точности, уровень точности снижают и продолжают процесс. [31]
Алгоритм ID5R выглядит следующим образом. Он получает на входе решающее дерево и очередной обучающий пример и выдает обновленное решающее дерево. [32]
Для решения практических задач часто требуются обучающие выборки большого объема. Поэтому в ряде нейропакетов предусмотрены средства, облегчающие процесс формирования и использования обучающих примеров. Однако в настоящее время отсутствует универсальная методика построения обучающих выборок и набор обучающих примеров, как правило, формируется индивидуально для каждой решаемой задачи. [33]
Действительно, для однозначного определения подгоночных параметров ( весов сети) по Р заданным примерам необходимо, чтобы система Р уравнений была переопределена, т.е. число параметров W было больше числа уравнений. Чем больше степень переопределенности, тем меньше результат обучения зависит от конкретного выбора подмножества обучающих примеров. Определенная выше составляющая ошибки обобщения, как раз и связана с вариациями решения, обусловленными конечностью числа примеров. [34]
Разработан эффективный обучающий алгоритм для обучения НС на основе радиальной базисной функции. Основное его отличие от других - это то, что он не является итеративным, т.е. обучение для заданной конфигурации сети и приведенного набора обучающих примеров производится за один проход и наилучшим образом. [35]
 |
Подготовка данных для нейронной сети в Excel. [36] |
Как видно из этого примера, объем обучающей выборки зависит от выбранного количества входов. Если сделать 299 входов, то такая сеть потенциально могла бы строить лучший прогноз, чем сеть с 4 входами, однако в этом случае имеется всего один обучающий пример, и обучение бессмысленно. [37]
Как видно из этого примера, объем обучающей выборки зависит от выбранного нами количества входов. Если сделать 299 входов, то такая сеть потенциально могла бы строить лучший прогноз, чем сеть с 4 входами, однако в этом случае мы имеем всего 1 обучающий пример, и обучение бессмысленно. [38]
И в этой программе пришлось столкнуться с общей проблемой индуктивного вывода, как и в программах, которые обучаются фактическим знаниям. Обучающими примерами для этой программы являются ситуации, в которых оказывается правильным или неправильным осуществление конкретного действия. [39]
В теории обучения рассматривают 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 сформировань. 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. [40]
Процесс обучения нейронной сети в программе BrainMaker возможно сочетать со многими контрольными функциями, основной из которых является тестирование сети в процессе обучения. Это означает, что набор обучающих примеров можно разбить в определенной пропорции ( по умолчанию, 1 / 9) на тестирующий и обучающий наборы. [41]
Как обсуждалось выше, показатель степени т, характеризует раздробленность среды в окрестности очага будущего землетрясения. Если предположить, что статистические свойства раздробленности среды в данном регионе формировались в течение длительного времени и не могут измениться за несколько десятков лет, параметр m можно определить на обучающих событиях. В нашем случае мы использовали землетрясение 2 марта 1992 г. как обучающий пример, поскольку, как видно из рис. 99, процесс ускорения четко проявился перед этим событием. [42]
Для решения практических задач часто требуются обучающие выборки большого объема. Поэтому в ряде нейропакетов предусмотрены средства, облегчающие процесс формирования и использования обучающих примеров. Однако в настоящее время отсутствует универсальная методика построения обучающих выборок и набор обучающих примеров, как правило, формируется индивидуально для каждой решаемой задачи. [43]
Пусть у нас имеется база данных, содержащая значения курса за последние 300 дней. Простейший вариант в данном случае - попытаться построить прогноз завтрашней цены на основе курсов за последние несколько дней. Понятно, что прогнозирующая сеть должна иметь всего один выход и столько входов, сколько предыдущих значений мы хотим использовать для прогноза, например 4 последних значения. Составить обучающий пример очень просто - входными значениями будут курсы за 4 последовательных дня, а желаемым выходом - известный нам курс в следующий день за этими четырьмя. [44]
Многие задачи распознавания образов ( зрительных, речевых), выполнения функциональных преобразований при обработке сигналов, управления, прогнозирования, идентификации сложных систем, сводятся к следующей математической постановке. Необходимо построить такое отображение X - У, чтобы на каждый возможный входной сигнал X формировался правильный выходной сигнал Y. Совокупность всех обучающих примеров носит название обучающей выборки. [45]
Страницы: 1 2 3 4