5.1 Topológia NN
4.5 EM algoritmus
Neurónové siete Inžiniersky prístup (2. diel)

Obsah

5. Učenie NN podľa stavu systému

V predchádzajúcich kapitolách tohto dielu sme sa venovali, buď kontrolovanému alebo nekontrolovanej učeniu na RC NN. Ak používame NN na riadenie nejakého systému, tak v podstate nám ide v o to, aby správanie riadeného systému bolo podľa stanovených požiadaviek. Teda v takýchto prípadoch výstup riadeného systému, by mal ovplyvňovať samotnú činnosť NN. Na takejto logike je založené učenie podľa stavu riadeného systému v svetovej literatúre označované ako reinforcement learning . Tieto metódy učenia si vyžadujú špeciálnu topológiu NN, ktorá obsahuje dve subsiete. Z globálneho pohľadu, nie je možné vhodne kategorizovať túto metódu učenia, a preto sa jej venuje špeciálna kapitola. Celá filozofia je postavené na odmene alebo pokute^5.1. Ak napríklad, chceme aby riadený systém ostal v nejakej množine parametrov ${\alpha}$, tak potom za pomoci tzv. reinforcement signálu "r", ktorý nadobúda hodnoty

$$r~=~\left\{ \matrix{ 0 & \forall~s~\in~\alpha\cr -1& inak} \right.$$ (5.1)

kde $r~=~-1$ predstavuje signál pokuty.

CIG Homepage(E-mail us!)