ПОИСК Статьи Рисунки Таблицы Обучение пороговых логических элементов с исправлением ошибки через обратную связь из "Распознавание образом в химии" Как уже отмечалось, пороговый логический элемент можно использовать для разбиения на два класса совокупности данных, представленных в виде точек или векторов в гиперпространстве. Следовательно, задача сводится к отысканию эффективного разделителя, осуществляющего дихотомию для заданного множества классификаций. Именно это и имелось в виду выше, когда речь шла о преобразовании пространства образов в классифицирующее пространство (пространство решений). [c.24] Во многих случаях эффективное разбиение данных на два класса удается произвести при помощи линейной разделяющей функции. Однако отыскать подобную функцию для многомерных данных далеко не просто. Невозможно построить многомерный граф, наглядно изображающий точки. Более того, как правило, нецелесообразно вычислять все возможные решающие поверхности для того, чтобы выбрать одну из них, ведущую к нужному решению. Во многих случаях успех приносит эвристический подход. [c.24] Тогда W можно вычислить непосредственно из уравнений (2.8) и (2.11). [c.26] Во всех тех случаях, когда допускается ошибка, процедура обучения предполагает итерацию по всем точкам образов обучающей выборки с внесением поправок в весовой вектор до тех пор, пока разделяющая функция не сведется к функции, правильно классифицирующей все точки. Эта процедура аналогична такому процессу обучения, когда тот или иной ряд вопросов задают повторно до тех пор, пока обучаемый прибор не станет отвечать на них правильно во всех случаях. Подобный порядок и привел к введению таких терминов, как обучение и обучающаяся машина . В этом смысле обучение представляет улучшение рабочих характеристик по мере приобретения навыков. [c.26] Как отмечалось выше, процедура исправления ошибок позволяет отыскать решение, если таковое существует (это можно доказать). Поэтому исходный весовой вектор можно взять в произвольном виде, хотя, естественно, такой выбор целесообразнее проводить с учетом какой-либо информации. [c.26] Здесь следует сказать несколько слов об объеме обучающей выборки N в зависимости от числа координат d точки, представляющей образ. Точно ответить на вопрос о величине отношения N/d, требующегося для надежного обучения, не представляется возможным, однако принято считать, что чем оно больше, тем лучше. Дополнительную трудность создает то обстоятельство, что величина d имеет меньшее значение по сравнению с числом признаков образа, которое необходимо для разбиения на два класса. Заранее это число обычно неизвестно. К настоящему времени в общем установлено, что, если отношение N/d больше порога, приблизительно равного 3, то получаемые результаты не должны вызывать сомнений. [c.26] Вернуться к основной статье