5. Nekontrolované učenie na FF NN

Neurónové siete Inžiniersky prístup (1. diel)

Obsah

5. Nekontrolované učenie na FF NN

V prípade nekontrolovaného učenia my vlastne poskytujeme NN len vstupy a očakávame, že samotná NN s tými vstupmi niečo urobí. V podstate nevieme výsledok spracovania, resp. nevieme ho presne. Aj v tomto prípade pojem učenia je spojený so zmenou SV v NN. Samotné učenie sa skončí, ak sa NN dostane do stavu GS (nie konvergencie^5.1) a zmena SV $\to~0$ . Tento moment je spojený s neurodynamikou učebného procesu, ktorý by mal mať vlastnosti procesu končiaceho v stave GS. V tomto prípade je neurodynamická stránka problému veľmi dôležitá, lebo môže dôjsť k situácii nekonečného učenia. Existujú však prípady, kedy NN osciluje v nejakých pevných bodoch, potom aj toto chovanie je považované za GS systému a prejav NN ako oscilátora a generátora "rozumných" výsledkov. Základné skupiny úloh, ktoré sa môžu riešiť pomocou FF NN s nekotrolovaným učením sú:

zhluková analýza
kvantovanie vektorov, zhusťovanie dát
zníženie dimenzie^5.2 v príznakovom priestore

Pripomeňme si niektoré princípy nekontrolovaného učenia:

1.: Modifikácia SV vedie ku seba-zosilneniu. Tu je vhodné si pripomenúť princípy tzv. rozšíreného Hebbovho učenia spomenuté v 2. kapitole vo vzťahu (3.7). tento princíp sa vo veľkej miere používa aj pri tomto type učenia.
2.: Vzhľadom na cieľ zosilňovania SV nie je možné, aby všetky SV boli zosilnené, a preto dochádza ku konkurenčnému chovaniu neurónov. Tento prístup sa plne zobrazí v konkurenčnom učení, ked sa upravujú iba tie SV,ktoré smerujú k víťaznému neurónu.
3.: Pri konkurenčnom učení sa po určitom čase prejavujú prvky kooperačného správania sa. Tento fakt je založený na poznaní, že ak nejaká SV je výrazne silná, tak potom postupne sa zosilňuje aj jej okolie v zmysle Hebbovho adaptačného prístupu.

CIG Homepage(E-mail us!)