Обратное распространение - ошибка
Cтраница 1
Обратное распространение ошибки позволяет во много раз сократить вычислительные затраты на расчет градиента по сравнению с расчетом по определению градиента. [1]
Алгоритм обратного распространения ошибки - это итеративный градиентный алгоритм обучения, который используется с целью минимизации среднеквадратичного отклонения текущих от требуемых выходов многослойных нейронных сетей с последовательными связями. [2]
Алгоритм обратного распространения ошибки используется также для обучения сетей с обратными связями. [3]
Метод обратного распространения ошибок использует детерминированный алгоритм оптимизации при поиске требуемых весовых коэффициентов связей. Ввиду этого имеется опасность, что при движении строго вниз по градиенту функции ошибки Е будет достигнут какой-то из локальных минимумов этой функции и процесс обучения приостановится, не найдя истинного решения. Если ошибка остается значительной, часто достаточно добавить еще несколько элементов. В результате размерность пространства весовых коэффициентов возрастает и возникают пути обхода барьеров, отделяющих плохие локальные минимумы в подпространстве более низкой размерности. [4]
Метод обратного распространения ошибки по своей идее близок к методу градиентного спуска. [5]
Алгоритм обратного распространения ошибки используется также для обучения сетей с обратными связями. [6]
Рассмотренный алгоритм обратного распространения ошибки подразумевает наличие некоего внешнего звена, предоставляющего нейронной сети, кроме входных, целевые выходные образы. Алгоритмы, основанные на подобной концепции, называются алгоритмами обучения с учителем. Для их успешного функционирования необходимо наличие экспертов, задающих на предварительном этапе для каждого входного образа эталонный выходной. Так как создание интеллектуальных систем базируется, во многом, на биологических прототипах, до сих пор не прекращается спор о том, можно ли считать алгоритмы обучения с учителем натуральными или же они полностью искусственны. Например, обучение человеческого мозга, на первый взгляд, происходит без учителя: на зрительные, слуховые, тактильные и прочие рецепторы поступает информация извне, и внутри нервной системы происходит некая самоорганизация. Однако, нельзя отрицать и того, что в жизни человека немало учителей ( и в буквальном, и в переносном смысле), которые координируют внешние воздействия. Вместе в тем, чем бы ни закончился спор приверженцев этих концепций обучения, они обе имеют право на существование. [7]
 |
Многослойная нейронная сеть. [8] |
Обсудим алгоритм обратного распространения ошибки [20], который позволяет обучать многогослойные нейронные сети. Этот алгоритм считается наиболее известным и чаще всего применяемым в искусственных нейронных сетях. [9]
Реализован только алгоритм обратного распространения ошибки, который можно настроить путем изменения параметров скорости и точности обучения. По сравнению с Process Advisor один балл добавлен за большее количество настраиваемых параметров алгоритма обучения. [10]
В результате выполнения алгоритма обратного распространения ошибки вырабатываются ( аналогично тому, как показано в разд. [11]
Обучение сети производится методом обратного распространения ошибки. [12]
В отличие от метода обратного распространения ошибки генетические алгоритмы мало чувствительны к архитектуре сети. [13]
 |
Настройка веса в скрытом слое. [14] |
С помощью векторных обозначений операция обратного распространения ошибки может быть записана значительно компактнее. [15]
Страницы: 1 2 3 4