Professional Documents
Culture Documents
Neuronske Mreze
Neuronske Mreze
θi
w
x1 i1
w n
Σ
x2 i2 yi=a(∑ xjwij - θi)
j=1
win
xn
СЛИКА 1.2.1. Неурон
Улазне вредности у неурон су приказане са x1, x2, ..., xn, где је n укупан број улаза
у неурон. Излазна вредност yi (i је редни број неурона у мрежи) се добија тако што се
прво свака улазна вредност помножи одговарајућим тежинским коефицијентом wij
(j=1,...,n). Овако добијени производи (xjwij, j=1,...,n) се потом сабирају, па се добија:
pi=x1wi1+x2wi2+...+xnwin. Затим се вредност pi користи као улаз у активациону функцију
а која зависи од параметра θ и формира коначну вредност излаза неурона. Најчешће се
параметар θ одузима од pi, па се њихова разлика користи као улаз у активациону
функцију, као што је приказано на слици 1.2.1. Параметар θ се назива праг активације,
док се разлика vi = pi - θ назива активациони сигнал неурона.
Активациона функција а може да има различите облике. Најчешће се користе:
Линеарна
a(x) = kx (1.2.1)
Одскочна
− 1, x ≤ −1/k
a ( x) = kx, -1/k < x < 1/k (1.2.3)
1, x ≥ 1/k
Сигмоидална (логистичка)
1
a ( x) = (1.2.4)
1 + exp(−kx)
Тангенс хиперболички
x2 y2
xn ym
(1) (l) (N L)
w w w
-
+
+
a) b)
СЛИКА 1.2.3. (а) Надгледано обучавање (б) Ненадгледано обучавање
Backpropagation алгоритам
Као што је већ речено, процес обучавања неуронске мреже се своди на
минимизирање разлике између очекиваног и добијеног излаза, тј. на минимизирање
функције грешке. Функција грешке се најчешће дефинише на следећи начин:
1 m
ε= ∑
2 i =1
( yi − ti ) 2 (1.2.6)
∂ε
wij(l ) = wij( l ) − η (1.2.7)
∂wij( l )
где је wij(l) тежина везе која повезује излаз i-тог неурона (l-1)-ог слоја са улазом ј-тог
неурона л-тог слоја; η је коефицијент који одређује брзину учења. Поред овог основног
израза, одређена побољшања у брзини обучавања се могу постићи увођењем
моментног члана тако да се модификовање тежина у том случају врши на следећи
начин:
wij( l ) (t ) = wij( l ) (t − 1) + ∆wij( l ) (t )
(1.2.8)
∂ε
∆w (t ) = −η ( l ) + α∆wij( l ) (t − 1)
(l )
ij
∂wij
∂ε ∂v j ∂ε ∂y j ∂v j
(l ) (l ) (l )
∂ε
= · = · ·
∂wij( l ) ∂v (jl ) ∂wij( l ) ∂y (jl ) ∂v (jl ) ∂wij( l )
(1.2.9)
∂ε
= (l ) · a (l)j' (v (jl ) ) · yi(l-1 )
∂y j
где су vj(l) активациони сигнал, yj(l) излаз и аj(l)'(·) извод активационе функције j-тог
неурона l-тог слоја. Комплетно извођење овог итеративног процеса дато је у [2], овде су
наведени само крајњи изрази (1.2.7), (1.2.10) и (1.2.11).
∂ε
= yj −tj , (1.2.10)
∂y (j N L )
∂ε N l +1
∂ε
=∑ ( l +1)
· a k(l +1) '(vk(l +1) ) · w (jkl +1) , l = 1,...,N L − 1 (1.2.11)
∂y (jl ) k =1 ∂y k