sigmoidálna funkcia

*výstupná funkcia neurónu oi

* synaptické váhy, ktoré sú na synaptických spojeniach (synapsiach),

ktoré majú svoj smer a spájajú jednotlivé neuróny do NN

Neurónovú sieť vlastne tvorí viacero neurónov zapojených tak, že výstup

jedného je vstup druhého.

Podľa toku signálu po synapsii rozoznávame neuróny:

- predsynaptické /zdrojové - pred synapsiou/

postsynaptické /cieľové - po synapsii/


Rozlišujeme nasledujúce vrstvy neurónových sieti:

a/ vstupná vrstva - v ktorej neuróny dostávajú vstup len z vonkajšieho sveta a výstup pokračuje k ďalšiemu neurónu

b/ skrytá vrstva - v ktorej neuróny dostávajú vstup z ostatných neurónov alebo aj z externého sveta cez prahové prepojenia

c/ výstupná vrstva - výstupy z tejto vrstvy vyúsťujú do externého sveta

Činnosť neurónových sieti rozdeľujeme do dvoch fáz , a to fáza učenia a fáza života .

Fáza učenia

Fáza učenia nastáva vtedy , keď sa znalosti ukladajú do synaptických váh neurónových sieti. Synaptické váhy sa počas učenia menia. Je to vlastne zbieranie poznatkov , resp. ich uchovanie .

Učenie je proces , v ktorom sa parametre neurónovej sieti menia na základe nejakých pravidiel. Charakter týchto pravidiel , ktoré vyvolávajú zmeny synaptických váh neurónových sieti , determinuje typ učenia neurónovej siete. Pod učením rozumieme adaptáciu neurónovej siete , ktorá po ukončení učenia bude nositeľkou znalostí získaných počas učenia.

Učenie je základnou a podstatnou vlastnosťou neurónových sietí.

DRUHY UČENIA

Prístupy k učeniu rozdeľujeme do dvoch veľkých skupín:

1/ kontrolované učenie - supervised learning /učenie s učiteľom/, to sa ďalej rozdeľuje do dvoch podskupín:

- štrukturálne učenie - rozoznávame tu dve skupiny metód:

- autoasociačné - neurónové siete sa musia tak adaptovať, aby to čo bolo na vstupe bolo aj na výstupe

- heteroasociačné - neurónové siete sa naučia rozpoznávať výstupy a zatrieďovať ich

- temporálne učenie

2/ nekontrolované učenie - unsupervised learning /učenie bez učiteľa/

Kontrolované učenie

Filozofia kontrolovaného učenia je ovplyvnená prítomnosťou učiteľa v celom procese učenia. Toto učenie delíme na tri základné skupiny:

1/ učenie na základe opravy chyby /error correction learning/

2/ stochastické učenie /stochastic learning/

3/ učenie na základe hodnotenia činnosti /reinforcement learning/

1/Učenie na základe opravy chyby

- tento prístup predpokladá zmenu synaptickej váhy ako funkciu premennej t.j. rozdiel medzi očakávaným stavom výstupného neurónu a vypočítaným stavom

2/Stochastické učenie

- ide o zmeny synaptickej váhy založené na stochastických prístupoch. Navrhne sa stochastická zmena synaptickej váhy a vypočíta sa energia neurónovej siete. Ak zmena priniesla zníženie energie neurónovej siete, návrh zmeny sa príjme. Ak zmena energie nepriniesla spomínaný efekt návrh sa zamietne. Príkladom takýchto neurónových sieti je Boltzmanov stroj a jeho modifikácie.

3/ Učenie na základe hodnotenia činnosti

- charakter učenia je podobný ako v prípade učenia podľa korekcie chyby, ale základným rozdielom je, že sa zhodnocuje stav výstupu celej výstupnej vrstvy pomocou nejakej skalárnej veličiny.

Nekontrolované učenie

Pri tomto type učenia ide o spracovanie vstupu do neurónových sieti na základe určitých zákonitostí. To znamená, že neurónovým sietiam môžeme počas učenia ponúknuť /iba/ vstup na neurónové siete. Neurónová sieť sama spracuje a určuje výstup.