|
В этой главе на примере классической задачи «исключающего или» будут описаны основные шаги по созданию и применению нейронных сетей в среде пакета ST Neural Networks. Прочитав этот раздел, вы будете знать, как:
• создать файл данных пакета ST Neural Networks;
• построить нейронную сеть в пакете ST Neural Networks]
• обучить нейронную сеть на множестве данных;
• запустить обученную нейронную сеть на исполнение и вывести статистики, характеризующие ее работу;
• сохранить или открыть ранее сохраненный набор данных или экземпляр сети.
Задача «исключающего или»
Читатель, уже знакомый с нейросетевыми методами и задачей «исключающего или», может пропустить этот раздел. Если же вы новичок в нейронных сетях, мы советуем вам заранее (либо параллельно с этой главой) прочитать предыдущую главу настоящего руководства и/или какую-нибудь хорошую книгу по этой теме. Далее мы будем предполагать, что вы знакомы со следующими базовыми понятиями: как используются обучающие данные, как работает элемент сети и какой смысл имеют веса сети.
Задача «исключающего или» (Хоr) была очень популярна среди пионеров в области нейронных сетей (Haykin, 1994). Она формулируется очень просто: имея две бинарные входные переменные, каждая из которых может принимать значение ноль или единица, распознать случаи, когда одна из этих переменных равна единице, а другая нулю.
Всего здесь возможны четыре типа наблюдений
Вход 1 | Вход 2 | Хоr? |
Нет | ||
Да | ||
Да | ||
] | Нет |
Из этой таблицы видно, чем интересна задача «исключающего или». На приведенном ниже рисунке соответствующие точки изображены на плоскости, где ось X соответствует переменной Вход 1, а ось Y - переменной Вход 2. Случаи «Да» обозначены кружками, а случаи «Нет» - крестиками.
Хотя задача кажется совсем простой, у нее есть одна особенность, представляющая трудность для многих методов решения задач анализа данных: она линейно неотделима. Иначе говоря, невозможно провести прямую линию на плоскости так, чтобы положительные случаи оказались по одну сторону от нее, а отрицательные - по другую.
Это значит, что линейные методы, широко применявшиеся на протяжении многих лет, неприменимы для решения такой задачи. В то же время, задача «исключающего или» -это действительно фундаментальная задача: она является простейшим примером из целого класса наиболее часто встречающихся задач.
Как будет рассказано в этой главе, одна из причин того, что нейронные сети имеют столь большое значение, заключается в том, что они способны решать линейно неотделимые задачи классификации, простейшим примером которых служит задача «исключающего или».
Дата добавления: 2015-11-30; просмотров: 60 | Нарушение авторских прав