Приведем несколько главных понятий, относящихся к обработке в нейронных сетях.
Входы. Каждый вход соответствует простому атрибуту. Например, если задача состоит в решении: одобрить или не одобрить заем, такими атрибутами могут быть уровень дохода претендента, его возраст, владение недвижимостью. Численное значение и представление атрибута является входом в сеть. В качестве входов могут быть использованы также такие типы данных, как текст, иллюстрации или голос. Тогда может понадобиться предварительная обработка.
Выходы. Выходом сети является решение задачи. Например, в случае с задачей о займе, это может быть «да» или «нет». ИНС присваивают числовые значения, такие как +1 для «да» и 0 для «нет». Целью сети являются вычисление значений выхода. Часто требуется последующая обработка данных. Например, если некоторые сети используют два выхода, один для да и другой для нет, то что означает два ответа: 0,8 для да и 0,4 для нет?
Веса. Ключевыми элементами ИНС является вес. Веса выражают относительную силу (или математическое значение) начальных входных данных или различные связи, которые передают данные от слоя к слою. Другими словами, веса выражают относительную важность каждого входа для обрабатывающего элемента.
|
|
Веса являются решающими: через повторяемые регулировки весов, которые обучают сеть.
Суммирующая функция находит взвешенную сумму всех входных элементов, входящих в каждый обрабатывающий элемент. Суммирующая функция умножает каждое входное значение (Хi) на его вес (Wi) и суммирует их для определения взвешенной суммы Y.
Формула для n входов в одном обрабатывающем элементе (рис.6.6.а)
Для j -го нейрона нескольких обрабатывающих элементов (рис.6.6б)
Рис. 6.6. Суммирующая функция для простого нейрона (а) и нескольких нейронов (б).
Преобразующая (передаточная) функция вычисляет внутреннее возбуждение или активацию уровня нейрона. Основанный на этом уровне нейрон может (или не может) производить выход. Отношение между уровнем внутренней активации и выходом может быть линейным или нелинейным. Такое отношение выражается преобразующей (передаточной) функцией и существует несколько ее типов. Выбор специальной функции определяет действия сети.
Одной из известных нелинейных передаточных функций является сигмоидальная функция
где Yt – преобразованное (или нормализованное) значение Y (см. рис.6.7).
Целью этого преобразования является видоизменение уровней выходных данных в приемлемых значениях обычно, между 0 и 1. Это преобразование делается перед тем, как выходной сигнал достигнет следующего уровня. Без такого преобразования значение выходной величины может быть очень большим, особенно когда существует несколько уровней нейронов.
|
|
Иногда вместо передаточной функции используется пороговое значение. Например, какое-то значение 0,5 или менее изменено до0; какое-то значение выше 0,5 изменено до 1.
Рис.6.7. Пример функций в ИНС.
Преобразование может происходить на выходе каждого обрабатывающего элемента или выполняться в последнем выходном уровне сети.