• Nie Znaleziono Wyników

2013-11-04 M.Czoków,J.Piersa Wstępdosiecineuronowych,wykład05Algorytmwstecznejpropagacjibłędu

N/A
N/A
Protected

Academic year: 2021

Share "2013-11-04 M.Czoków,J.Piersa Wstępdosiecineuronowych,wykład05Algorytmwstecznejpropagacjibłędu"

Copied!
13
0
0

Pełen tekst

(1)

Wstęp do sieci neuronowych, wykład 05 Algorytm wstecznej propagacji błędu

M. Czoków, J. Piersa

Wydział Matematyki i Informatyki, Uniwersytet Mikołaja Kopernika w Toruniu

2013-11-04

Projekt pn. „Wzmocnienie potencjału dydaktycznego UMK w Toruniu w dziedzinach matematyczno-przyrodniczych”

realizowany w ramach Poddziałania 4.1.1 Programu Operacyjnego Kapitał Ludzki

M. Czoków, J. Piersa WSN 2013/2014 Wykład 05

(2)

Ogólna koncepcja

x

1

x

2

x

i

x

0

=1

(próg)

y

1

y

2

y

j

y

0

=1

(próg)

z

1

z

k warstwa

wejściowa warstwa ukryta

warstwa wyjściowa

+

-6 -4 -2 0 2 4 6

-6 -4 -2 0 2 4 06 10 20 30 40 50

= wagi

(3)

Sigmoida

sigmoida:

φ(s) = σ(s) = 1 1 + exp(−s) , symetryczna sigmoida:

φ 1 (s) = 2σ(s) − 1 = 1 − exp(−s) 1 + exp(−s) ,

-10 -5

0 5

10

-10 -5 0 5 010 0.2 0.4 0.6 0.8 1 1.2 1.4

M. Czoków, J. Piersa WSN 2013/2014 Wykład 05

(4)

Pochodna sigmoidy

Pochodna:

σ 0 (s) = σ(s)(1 − σ(s))

(5)

Nieciągła funkcja błędu

-4 -2 0 2 4

-4 -2 0 2 4 0

0.5 1 1.5 2 2.5 3 3.5 4

M. Czoków, J. Piersa WSN 2013/2014 Wykład 05

(6)

Ciągła funkcja błędu

-5 0 5 10 15 20 25

-5 0 5 10 15 20 25 0

0.5 1 1.5 2 2.5 3 3.5 4

w = [ -3.0 3.0 -1.5 3.0 -3.0 -1.5 * * -2.0]

(7)

Cel

-10

-5 0

5 10

-10 -5 0 5 010 0.2 0.4 0.6 0.8 1

-10 -5

0

5 10

-10 -5 0 5 010 0.2 0.4 0.6 0.8 1

M. Czoków, J. Piersa WSN 2013/2014 Wykład 05

(8)

Co zrobiłby człowiek?

O n

1

x ) = 1+exp(− P 1

j

w

j ,n1

·x

j

)

n 1

(9)

Co zrobiłby człowiek?

O ANDx ) = 1+exp(− P 1

j

w

nj ,and

·O

nj

x ))

n 1

n 2 n 3

and

M. Czoków, J. Piersa WSN 2013/2014 Wykład 05

(10)

Co zrobiłby człowiek?

O ORx ) = 1+exp(− P 1

j

w

andj ,or

·O

andj

x ))

n 1

n 2 n 3

and

n 4 n 5

n 7

n 6 and or

(11)

Schemat pojedynczej iteracji (flash)

http://www-users.mat.umk.pl/~maja/www/contents/

teaching/wsn2012/avi/animacja.swf

M. Czoków, J. Piersa WSN 2013/2014 Wykład 05

(12)

Przebieg algorytmu

click

-10 -5

0 5

10

-10 -5 0 5 010 0.2 0.4 0.6 0.8 1

(13)

Przebieg algorytmu

click

-10 -5

0 5

10

-10 -5 0 5 010 0.2 0.4 0.6 0.8 1

M. Czoków, J. Piersa WSN 2013/2014 Wykład 05

Cytaty

Powiązane dokumenty

Sieci rekurencyjne Autoasocjator Hopfielda Zadania Przeliczenia.. Wstęp do sieci neuronowych, wykład 10

podczas dynamiki osiągane jest minimum (być może lokalne!) funkcji energetycznej w skończonym czasie. Wykorzystamy dynamikę asynchroniczną sieci do znajdowania rozwiązania

Przeprowadź kilka (maksymalnie 3) kroków algorytmu uczącego (może być SPLA).. • (**) Zapoznaj się z modelem biologicznym

Ponadto sprawdzający nie daje żadnych punktów startowych, dodatnich ani ujemnych (czyt.. Izhikevich Dynamical Systems in Neuroscience, 2007

• (*) Skonstruuj dane jednowymiarowe składające się z trzech przykładów uczących, którego nie będzie wstanie rozwiązać perceptron, a który rozwiąże sieć.. Podaj

Przeformułuj hipotezy w powyższych testach tak aby błąd o poważniejszych konsekwen- cjach był błędem pierwszego rodzaju.. (*) — Zadanie dla chętnych, może paść na egzaminie

Jak sieć będzie działać dla problemu rozpoznawania małych liter na matrycy dużej rozdzielczości.. (*) — Zadanie dla chętnych, może paść na egzaminie na

(Egz) Przedstaw sposób kodowania problemu optymalizacyjnego (dwupodział, kolorowanie, cykl Hammiltona, przydział zadań) na konfigurację sieci neuronowej.. Przemodeluj reprezentację,