6.2 Metóda Counterpropagation
6. Hybridné metódy učenia na FF NN
6. Hybridné metódy učenia na FF NN

Obsah

6.1 Nekontrolované učenie metódy BP

V podstate ide o pseudo-nekontrolované učenie. Spočíva v tom, že FF NN sú predkladané na vstup a výstup tie isté vzorky. Uvažujme o topológii FF NN v tvare M-N-M, kde $N~<~M$ a väčšinou $N~=~log_{2}M$. Príklad takejto topológie je na obrazku  6.1. Takáto NN sa dá vhodne využiť ma kompresiu dát. Je použitý klasický BP prístup, ale s tým, že na vstup a výstup dodávame tie isté dáta. Zhustené dáta potom môžeme získať na skrytej vrstve o veľkosti N. Tento prístup nám šikovne zabezpečuje aj možnosť rekonštrukcie dát do pôvodnej formy. Teda postup je triviálny :

Obrázok 6.1: Zhusťovanie dát z M na N

• naučíme NN podľa BP s tým, že ponúkame na vstup trénovacie data (predstavujú množinu všetkých možnosti), ktoré môžu v dátach nastať a také isté dáta očakávame na výstupe. Snažíme sa dostať do stavu, keď NN vie spoľahlivo realizovať celý proces a SV sa už nemenia, teda GS.
• potom sme v stave, keď môžeme spoľahlivo realizovať kompresiu dát a získať zhustené dáta zo skrytej vrstvy
• tým máme zabezpečenú aj spätnú rekonštrukciu dát.

Tento jednoduchý prístup sa zdá byť veľmi efektívny pre spomínanú kompresiu dát.

CIG Homepage(E-mail us!)