Алгоритм розв’язання задач за допомогою багатошарового персептрона(БШП) 


Мы поможем в написании ваших работ!



ЗНАЕТЕ ЛИ ВЫ?

Алгоритм розв’язання задач за допомогою багатошарового персептрона(БШП)



Щоб побудувати БШП необхідно вибрати його параметри, частіше всього вибір значень ваг і порогів потребує навчання, тобто покрокових змін вагових коефіцієнтів і порогових рівнів.

Загальний алгоритм:

1) Визначити який сенс вкладається в компоненти вхідного вектора x. Вхідний вектор повинен містити формалізовану умову задачі, тобто всю інформацію неохідної для отримання відповіді.

2) Вибрати вихідний вектор y, таким чином, щоб його компоненти вміщували повну відповідь на поставлену задачу.

3) Обрати вид не лінійності в нейронах (функцію активізації). При цьому бажано враховувати специфіку задачі, оскільки вдалий вибір скоротить час навчання.

4) Вибрати кількість шарів і нейронів у кожному шарі. Кількість нейронів у прихованому шарі може бути будь-якою.

5) Задати діапазони вх./вих. ваг і порогів, враховуючи множину значень вибраної функції активації.

6) Присвоїти початкові значення вагових коефіцієнтам і пороговим рівнянням. Вони не повині бути великими, щоб нейрони не опинились у насиченні, інакше буде дуже повільним. Також початкові значення не повині бути занадто малими, так як виходи більшості нейронів можуть бути рівні «0» і навчання також уповільниться (в діапазоні 1-0)

7) Провести навчання, тобто підібрати параметри мережі так, щоб задача розв’язалась найкращим чином. По закінченню навчання мережа здатна розв’язувати задачі такого типу, на якіх вона навчана.

8) Подати на вхід мережі вектор х і отримати вектор у, який і є формалізованим розв’язком задачі.

Вибір кількості шарів у БШП

Сьогодні існують формули для оцінки кількості нейронів у прихованому шарі БШП [3], але при цьому остаточна кількість нейронів уточнюється експериментально. Нейрони вихідного шару БШП мають лінійну функцію активації, що підсумовує вхідні зважені величини і поділяє результат на константу. Функції активації нейронів схованого шару БШП можуть мати найрізноманітніший вид, але, як правило, функція активації належить до класу сигмоїдальних функцій, до яких належать, наприклад, логистична і тангенціальна функція, що стискають вхідні значення в діапазон [0 1] і [-1 1] відповідно. Для БШП, що розглядаєтся в якості активаційної функції нейронів

прихованого шару, обрано тангенціальну функцію, застосування якої в цьому випадку дозволяє зменшити середньоквадратичну похибку навчання мережі при меншій кількості нейронів у шарі і підвищити швидкість обчислень. Середньоквадратична похибка навчання БШП E розраховується як різниця між еталонним і вихідним вектором за формулою

E = Σ (yi – y*i) 2 /n, (1)

де yi – значення вектора цілей; y*i – значення виходу БШП; n – кількість поданих прикладів навчання.

Для навчання БШП використовується алгоритм ЗПП на основі методу Левенберга-Маркара, що полягає в поширенні сигналів похибки від виходів ШНМ до її входів, у напрямку, зворотному прямому поширенню сигналів у звичайному режимі роботи. Алгоритм знаходить компроміс між різними навчальними прикладами і змінює ваги зв’язків нейронів так, щоб зменшити сумарну похибку Е [9, 14].

Метод Левенберга-Маркара для навчання ШНМ [10, 12], є одним з найрозповсюдженіших алгоритмів і дозволяє значно скоротити час навчання, а також зменшити середньоквадратичну похибку навчання мережі. При цьому властиві алгоритмові обмеження, такі як, наприклад, можливість застосування алгоритму для навчання БШП невеликого розміру з одним виходом, є цілком припустимими для розв’язання задачі визначення місця КЗ на ЛЕП. Одним з факторів, що впливають на середньоквадратичну похибку навчання є кількість епох

навчання, при цьому одна епоха відповідає часу, за який на вхід мережі подається вся навчальна вибірка один раз. На рис. 3 показано залежність похибки навчання Е БШП на основі методу Левенберга-Маркара від кількості епох навчання для навчальної вибірки при зміні перехідного опору від 0 до 15 Ом із кроком дискретизації 3 Ом.



Поделиться:


Последнее изменение этой страницы: 2017-02-06; просмотров: 293; Нарушение авторского права страницы; Мы поможем в написании вашей работы!

infopedia.su Все материалы представленные на сайте исключительно с целью ознакомления читателями и не преследуют коммерческих целей или нарушение авторских прав. Обратная связь - 54.210.126.232 (0.023 с.)