Képzés egy neurális hálózat
A legfontosabb tulajdonsága a neurális hálózatok, hogy képesek tanulni alapján a környezetvédelmi adatok és ennek eredményeként a tanulás, hogy javítsák a teljesítményt. Megnövelt termelékenység fordul az idő függvényében bizonyos szabályoknak megfelelően. Képzése a neurális hálózat útján történik interaktív folyamat korrekciókat a szinaptikus súlyok és küszöbértékeket. Ideális esetben, a neurális hálózat kap ismereteket a környezet mindegyik ismétlésnél a tanulási folyamat.
A koncepció a tanulás jár sok tevékenység, így nehéz, hogy egyértelmű meghatározása ennek a folyamatnak. Sőt, a tanulási folyamat függ a szempontból rajta. Ez az, amit gyakorlatilag lehetetlenné teszi, hogy kialakult egy pontos e fogalom meghatározását. Például a tanulási folyamat egy pszichológus szemszögéből meglehetősen eltér képzés egy iskolai tanár szemszögéből. Abból a szempontból a neurális hálózat, akkor valószínűleg használni a következő definíciót:
Ez a meghatározás a tanulási folyamat a neurális hálózat magában foglalja a következő eseménysor:
- A neurális hálózat kap ingereket a külső környezettől.
- Ennek eredményeként, az első bekezdés változtatni a szabad paraméterek a neurális hálózat.
- Megváltoztatása után a belső szerkezete a neurális hálózat reagál gerjesztő már másképp.
A fenti lista egyértelmű szabályokat a probléma megoldásának a képzés egy neurális hálózat tanulási algoritmust nevezzük. Nem nehéz kitalálni, hogy nincs univerzális tanulási algoritmus alkalmas minden neurális hálózati architektúrák. Van egy sor eszközt, bemutatva a különböző tanulási algoritmusok, amelyek mindegyike a maga előnyei. tanulási algoritmusok különböző módon lehet szabályozni a súlyokat a szinaptikus neuronok. Másik sajátossága az a módszer, a kommunikáció képzett neurális hálózat a külvilág felé. Ebben az összefüggésben beszélünk a paradigma a tanulással kapcsolatban, a modell a környezetet, amelyben működik, ez a neurális hálózat.
Két fogalmi megközelítés neurális hálózat tanulás: a tanulás tanár nélkül a tanár és a képzés.
Képzés egy neurális hálózat mester azt feltételezi, hogy minden egyes bemeneti vektort a tanító létezik kívánt kimeneti vektor értéke, úgynevezett cél. Ezek a vektorok alkotnak képzési pár. nettó tömeg változás mindaddig, amíg minden egyes bemeneti vektor nem kapjuk meg az elfogadható szint a kimeneti vektor a megcélzott eltérés.
Neurális hálózat képzési tanár nélkül sokkal valószínűbb modell a tanulás szempontjából a biológiai gyökerei mesterséges neurális hálózatok. A képzés szett csak bemeneti vektorok. Tanulási algoritmus a neurális hálózat állítja hálózat súlyokat úgy, hogy következetes kimeneti vektor, azaz bemutatásához kellően szoros bemeneti vektorok ugyanazt kimenetek.