Функциональные модели универсального нейрокомпьютера — страница 4

  • Просмотров 30704
  • Скачиваний 1016
  • Размер файла 1401
    Кб

Обработка обучающего множества (TaskSetWork) 206 6.2.3. Ошибки компонента исполнитель. 209 7. Учитель.. 210 7.1. Что можно обучать методом двойственности.. 210 7.2. Задача обучения сети.. 212 7.3. Описание алгоритмов обучения.. 213 7.3.1. Краткий обзор макрокоманд учителя. 213 7.3.2. Неградиентные методы обучения. 215 7.3.2.1. Метод случайной стрельбы.. 216 7.3.2.2. Метод покоординатного спуска. 217 7.3.2.3. Подбор оптимального шага. 217 7.3.2.4. Метод случайного поиска. 218 7.3.2.5. Метод

Нелдера-Мида. 219 7.3.3. Градиентные методы обучения. 220 7.3.3.1. Метод наискорейшего спуска. 220 7.3.3.2. kParTan. 222 7.3.3.3. Квазиньютоновские методы.. 222 7.4. Запросы к компоненту учитель. 222 7.4.1. Обучение сети. 222 7.4.1.1. Обучить сеть (InstructNet) 223 7.4.1.2. Провести N шагов обучения (NInstructSteps) 223 7.4.1.3. Прервать обучение (CloseInstruction) 224 7.4.2. Чтение/запись учителя. 224 7.4.2.1. Прочитать учителя (inAdd) 224 7.4.2.2. Удаление учителя (inDelete) 225 7.4.2.3. Запись компонента (inWrite) 225 7.4.3. Инициация

редактора учителя. 226 7.4.3.1. Редактировать компонент (inEdit) 226 7.4.4. Работа с параметрами учителя. 227 7.4.4.1. Получить параметры (inGetData) 227 7.4.4.2. Получить имена параметров (inGetName) 227 7.4.4.3. Установить параметры (inSetData) 228 7.4.5. Обработка ошибок. 228 8. Контрастер. 229 8.1. Задачи для контрастера.. 229 8.1.1. Упрощение архитектуры нейронной сети. 229 8.1.2. Уменьшение числа входных сигналов. 231 8.1.3. Сведение параметров нейронной сети к выделенным значениям.. 231 8.1.4.

Снижение требований к точности входных сигналов. 232 8.1.5. Получение явных знаний из данных. 232 8.1.5.1. Построение логически прозрачных сетей. 233 8.1.5.2. Получение явных знаний. 234 8.2. Множества повышенной надежности.. 237 8.2.1. Формальная постановка задачи. 237 8.2.2. Классификация дублей. 238 8.2.3. Прямой дубль первого рода. 238 8.2.4. Косвенный дубль первого рода. 239 8.2.5. Прямой дубль второго рода. 240 8.2.6. Косвенный дубль второго рода. 241 8.2.7. Косвенный

супердубль. 241 8.3. Процедура контрастирования.. 242 8.3.1. Контрастирование на основе показателей значимости. 242 8.3.2. Контрастирование без ухудшения. 243 8.3.3. Гибридная процедура контрастирования. 244 8.3.4. Контрастирование при обучении. 245 8.4. Определение показателей значимости.. 245 8.4.1. Определение показателей значимости через градиент.. 245 8.4.2. Усреднение по обучающему множеству. 246 8.4.3. Накопление показателей значимости. 247 8.5. Запросы к

компоненту контрастер. 248 8.5.1. Контрастирование сети. 248 8.5.1.1. Контрастировать сеть(ContrastNet) 248 8.5.1.2. Прервать контрастирование (CloseContrast) 248 8.5.1.3. Контрастировать пример (ContrastExample) 249 8.5.2. Чтение/запись контрастера. 250 8.5.2.1. Прочитать контрастера (cnAdd) 250 8.5.2.2. Удаление контрастера (cnDelete) 250 8.5.2.3. Запись контрастера (cnWrite) 251 8.5.3. Инициация редактора контрастера. 251 8.5.3.1. Редактировать контрастера (cnEdit) 251 8.5.4. Работа с параметрами контрастера. 252