Virhepalautteen korjausmenetelmä

Virhepalautteen korjausmenetelmä on stokastinen perceptronin koulutusmenetelmä, joka on välttämätön konvergenssin varmistamiseksi useamman kuin yhden kerroksen muuttuvien yhteyksien kanssa. Rosenblatt ehdotti menetelmää perceptroneille, joissa on vaihtelevat SA-yhteydet, ja sitä voidaan käyttää binaarisille monikerroksisille perceptroneille . Se on vaihtoehto backpropagation menetelmälle , mutta toisin kuin se, se takaa konvergenssiprosessin (ratkaisun saavuttamisen).

Algoritmi

Jokaiselle R-elementille asetetaan virhe , missä on vaadittu ja saavutettu vastaus. $E_{r}=R^{*}-r^{*}$ $R^{*}$ $r^{*}$
Jokaiselle A-elementille virhe lasketaan seuraavasti: $a_{i}$
- Alussa ; $E_{i}=0$
- Jos elementti on aktiivinen ja linkki ( tai yleensä ) päättyy R-elementtiin nollasta poikkeavaan virheeseen , joka poikkeaa etumerkillään linkin painosta , niin todennäköisyydellä korjaus, joka on yhtä suuri kuin -1, tulee lisätä; $a_{i}$ $c_{{ir}}$ ${\textstyle c_{{ir}}=a_{i}\cdot w_{{ir}}}$ ${\textstyle c_{{ir}}=f(w_{{ir}},a_{i})}$ $E_{r}$ $w_{{ir}}$ $p_{1}$ $E_{i}$
- Jos elementti on ei-aktiivinen ja linkki päättyy R-elementtiin nollasta poikkeavaan virheeseen , ei eroa (yhdennäköisesti) etumerkillä linkin painosta , niin todennäköisyydellä korjaus, joka on yhtä suuri kuin +1, tulee lisätä; $a_{i}$ $c_{{ir}}$ $E_{r}$ $w_{{ir}}$ $p_{2}$ $E_{i}$
- Jos elementti on passiivinen ja linkki päättyy R-elementtiin nollasta poikkeavaan virheeseen , joka eroaa etumerkillään linkin painosta (tai ), niin todennäköisyydellä korjaus, joka on yhtä suuri kuin +1, tulee lisätä; $a_{i}$ $c_{{ir}}$ $E_{r}$ $w_{{ir}}$ $w_{{ir}}=0$ $p_{3}$ $E_{i}$
- Kaikissa muissa olosuhteissa se ei muutu. $E_{i}$
Jos , niin kaikkiin aktiivisiin linkkeihin, jotka päättyvät A- tai R-elementtiin, lisätään korjaus merkin kanssa yhteensopivalla etumerkillä , ts. , missä on itseisarvo (yleensä yksi). $E_{i}\not=0$ $\eta$ $E_{i}$ $\Delta w_{{ij}}=a_{i}^{*}merkki(E_{i})\varepsilon$ $\varepsilon$ $\eta$

Useimmissa tapauksissa paras suorituskyky saadaan, jos todennäköisyydet valitaan seuraavan ehdon mukaisesti . ${\displaystyle p_{1}>p_{2}>p_{3))$

Kirjallisuus

Rosenblatt, F. Neurodynamiikan periaatteet : Perceptronit ja aivojen mekanismien teoria. - M . : Mir, 1965. - 480 s.

Lakhmi C. Jain; NM Martin Neuroverkkojen, sumeiden järjestelmien ja geneettisten algoritmien fuusio: teolliset sovellukset. - CRC Press, CRC Press LLC, 1998