Читайте также: |
|
До сих пор мы всякий раз обучали сеть в течение заранее заданного числа эпох (100). Это вполне разумно, особенно при интерактивном обучении сети, когда в любой момент можно нажать на кнопку Стоп - Stop, чтобы прервать обучение, если окажется, что что-то идет не так, как надо.
Однако существуют более удобные способы (особенно при длительном обучении) сказать сети, когда она должна прекратить обучение. В пакете 57' Neural Networks это делается в окне Условия остановки - Stopping Conditions, которое изображено на этом рисунке (доступ через пункт Условия остановки - Stopping Conditions... меню Обучение- Дополнительно - Train-Auxiliary или кнопкой ).
Те или иные условия остановки используются во всех итеративных алгоритмах обучения пакета ST Neural Networks, включая обратное распространение и метод сопряженных градиентов. Кроме максимального числа эпох (Epochs), можно задать уровень допустимой ошибки (Target Error), при достижении которого обучение должно прекращаться, или величину минимального улучшения (Minimum Improvement) ошибки за фиксированное число эпох.
Возможно, самый полезный из этих параметров - величина минимального улучшения (Minimum Improvement). Смысл ее в следующем: если на протяжении заданного числа эпох (параметр Окно - Window) ошибка обучения и контрольная ошибка не улучшились на эту величину, обучение прекращается.
Например, положим параметр Окно - Window равным одной эпохе, повторно инициализируем сеть и обучим ее. Если при этом величины минимального улучшения обе взяты равными нулю, программа ST Neural Networks остановит обучение, как только обучающая или контрольная ошибка начнет расти.
Если вас интересует только момент начала роста контрольной ошибки, то нужно установить величину минимального улучшения ошибки для обучающего множества равной 1,0, а для контрольного множества оставить ее равной 0,0. Это приведет к тому, что даже сильный рост ошибки обучения будет считаться допустимым, но малейший рост контрольной ошибки - недопустимым; таким образом, фактически будет проверяться только контрольная ошибка.
Замечание. При использовании метода обратного распространения ошибка обучения действительно иногда может расти. Если же используется метод сопряженных градиентов, то ошибка обучения, в отличие от контрольной ошибки, ухудшаться не может.
Одна из трудностей, которая встречается при таком подходе, состоит в том, что в процессе обучения ошибка может плавать вверх-вниз. Это можно учесть с помощью параметра Окно - Window, так чтобы обучение останавливалось только в том случае, если результаты неудовлетворительны на нескольких эпохах подряд. Например, если задать «окно» в пять эпох, то обучение прекратится только в том случае, когда ошибка ухудшилась, а затем на протяжении пяти эпох не достигла своего предыдущего наилучшего значения.
Дата добавления: 2015-11-30; просмотров: 26 | Нарушение авторских прав