ПравообладателямМозг напрокат. 
Как работает человеческое мышление и как создать душу для компьютера., Редозубов Алексей
Книжная полка
перейти на полку → Хочу прочитатьЧитаюПрочитана
ИзбранноеВладею
Чтобы воспользоваться книжной полкой выполните вход либо зарегистрируйтесь
← Назад
Скачать: , Редозубов Алексей Дмитриевич pdf   Читать
Купить →
Купить →

Ожидайте...

Почему человек - есть человек? Откуда у человека разум? Что такое мышление? Что есть добро и зло? Что такое юмор? На каком языке мы думаем? Эти вопросы легко задать. Трудно дать на них короткий ответ. И не потому, что эти вопросы слишком сложны. За сложностью объяснения обычно скрывается несовершенство теории. Просто оказывается, что отвечать надо не на каждый вопрос по отдельности, а сразу на все, увязывая ответы между собой. И тут выясняется, что многие вопросы задаются на "разных языках" и что нужный вопрос дорогого стоит. Вот только, чтобы правильно задать вопрос, надо знать большую часть ответа.

PDF. Мозг напрокат. Как работает человеческое мышление и как создать душу для компьютера. Редозубов А. Д.
Страница 21. Читать онлайн

ИИИИ

ИИИИ

Рисунок 9. Обучающие примеры

Будем подавать множество таких примеров на вход нейронной сети и путем

«шаманских» манипуляций менять веса у связей нейронов, добиваясь наилучшего

соответствия сигналов на выходе с поданным тестовым примером.

Существуют разные алгоритмы обучения нейронной cemu. Выбор

алгоритма зависит от топологии используемой сети, особенности задачи, времени, которое создатель нейронной сети готов потратить на ее обучение. Один из основных методов — это метод обратного распространения ошибки.

Основная идея обратного распространения состоит в том, как

получить оценку ошибки для нейронов скрытых слоев. Заметим, что известные ошибки, делаемые неиронами выходного слоя, возникают вследствие неизвестных пока ошибок нейронов скрытых слоев. Чем больше значение синаптическои связи между неироном скрытого слоя и выходным нейроном, тем сильнее ошибка первого влияет на ошибку второго. Следовательно, оценку ошибки элементов скрытых слоев можно получить как взвешенную сумму ошибок последующих слоев. При обучении информация распросгпраняется от низших слоев иерархии к высшим, а оценки ошибок, делаемые сегпью,- в обратном направлении, что и отражено в названии метода (Терехов, 1999).

При оценке ошибки на каждом шаге можно записать зависимость

ошибки и весовых коэффициентов конкретного нейрона. Минимизация ошибки — это нахождение минимума полученнои функции, что делается дифференцированием полученной функции и поиском весовых коэффициентов, обращающих производную в ноль. Отсюда, кстати, становится понятным, почему в моделях, использующих этот метод,

Страница 22 из 224

Обложка.
PDF. Мозг напрокат. 
Как работает человеческое мышление и как создать душу для компьютера. Редозубов А. Д. Страница 21. Читать онлайн