Кожен з критеріїв аналізу може бути вхідний інформацією для багатошарової мережі на базі персептрона з алгоритмом зворотного поширення помилки (англ.: error back propagation). Додатковою перевагою розглянутого сигмоїда є автоматичний контроль посилення. Тобто для слабких сигналів, коли сума для нейрона з номером j, часто звана сигналом внутрішнього збудження, близька до нуля, крива вхід-вихід має сильний нахил, що дає велике посилення. Коли величина сигналу внутрішнього збудження стає більше по модулю, посилення знижується. Таким чином, великі за величиною сигнали сприймаються мережею без насичення, а слабкі сигнали проходять по мережі без надмірного ослаблення. Що є важливим для даної НДР.
Основна проблема практичної реалізації в тому, що оптимальні вихідні значення нейронів усіх шарів, крім останнього, як правило, не відомі, і двох чи більше шаровий персептрон вже неможливо навчити, керуючись тільки величинами помилок на виходах НС. Один з варіантів вирішення цієї проблеми - розробка наборів вихідних сигналів, відповідних вхідним, для кожного шару НС, що, звичайно, є дуже трудомісткою операцією і не завжди здійсненно. Другий варіант - динамічне підстроювання вагових коефіцієнтів синапсів, в ході якої вибираються, як правило, найбільш слабкі зв'язки і змінюються на малу величину в ту чи іншу сторону, а зберігаються тільки ті зміни, які спричинили зменшення помилки на виході всієї мережі. Очевидно, що даний метод «навмання», незважаючи на свою уявну простоту, вимагає громіздких рутинних обчислень. І, нарешті, третій, більш прийнятний варіант - поширення сигналів помилки від виходів НС до її входів, у напрямку, зворотному прямому поширенню сигналів у звичайному режимі роботи. Цей алгоритм навчання НС отримав назву процедури зворотного поширення. Саме він буде використовуватися надалі.
3.2 Деталізація моделі функціонування програмного засобу
Було з'ясовано, що при проектування даної системи одношарова нейросеть, структура якої описана нижче, буде недостатньою для виконання завдання.
В ході практичної реалізації було виявлено, що модель багатошарової нейронної мережі сигмоїдальну типу, що використовує стратегію підбору вагових коефіцієнтів за допомогою алгоритму зворотного поширення помилки, є достатньою для здійснення поставленого завдання.
При підборі архітектури нейромережі скористаємося теоремою Колмогорова, з якої випливає, що розробляється нейросеть повинна мати не менше ніж один прихований шар з кількістю нейронів=2 * (число входів) +1. Більш точну кількість прихованих шарів нейромережі і кількість нейронів на них залежатиме від навченою вибірки.
3.2.1 Деталізація функціонування багатошарової ІНС сигмоїдальну типу використовує для навчання алгоритм зворотного поширення помилки
Серед різних структур нейронних мереж (НС) однієї з найбільш відомих є багатошарова структура, в якій кожен нейрон довільного шару пов'язаний з усіма аксонами нейронів попереднього шару або, у разі першого шару, з усіма входами НС. Такі НС називаються повнозв'язну. Коли в мережі тільки один шар, алгоритм її навчання з вчителем досить очевидний, так як правильні вихідні стани нейронів єдиного шару свідомо відомі, і підстроювання синаптичних зв'язків йде в напрямку, мінімізуючому помилку на виході мереж...
