|
Ссылки по тематике работы | Сайты студентов ГИП-99 | Написать письмо |
Как известно, генетические алгоритмы (далее - ГА) получили широкое распространение в задачах обучения нейронных сетей. Но под этим красивым названием у исследователей скрываются разные алгоритмы и подходы.
Таким образом, здесь под задачей обучения нейронной сети генетическим алгоритмом понимается синтез ее оптимальной архитектуры, включающий подбор оптимального числа скрытых слоев и нейронов в каждом таком слое, весовых коэффициентов и некоторых других параметров нейрона.
Рассмотрим конкретный алгоритм обучения НС и синтеза ее архитектуры. Для этого построим обучающуюся
однонаправленную сигмоидальную нейронную сеть с n входами и m выходами, в которой выходной сигнал нейрона
записывается в виде:
где
- количество нейронов в k-том слое; (K-1) - общее количество скрытых слоев сети;
- матрица весовых коэффициентов k-го слоя;
- выходной сигнал нейрона (k-1)-го слоя.
В качестве активационной функции возьмем функцию вида
в которой
- параметры активационной функции j-го нейрона. Для минимизации оптимума F(X), где
будем использовать генетический алгоритм. Цель обучения - минимизация среднеквадратичной ошибки
P - число примеров обучающего множества; d, y - желаемая и полученные величины выходов сети соответственно.
|
Ссылки по тематике работы | Сайты студентов ГИП-99 | Написать письмо |