вікна властивостей мережі, що містить, у свою чергу, ще одну панель вкладок (див. малюнок 9.6). Їх головне призначення - управління процесом навчання. На вкладці Інформація навчання (Training info) потрібно вказати набір навчальних даних у полі Входи (Inputs) і набір цільових даних у полі Цілі (Targets). Поля Виходи (Outputs) і Помилки (Errors) NNTool заповнює автоматично. При цьому результати навчання, до яких відносяться виходи і помилки, будуть зберігатися в змінних із зазначеними іменами.
Малюнок. 9.6 Вікно параметрів мережі, відкрите на вкладці навчання (Train)
Завершити процес навчання можна, керуючись різними критеріями.
Можливі ситуації, коли переважно зупинити навчання, вважаючи достатнім деякий інтервал часу. З іншого боку, об'єктивним критерієм є рівень помилки.
На вкладці Параметри навчання (Training parameters) для нашої мережі (див. Малюнок 9.7) можна встановити наступні поля.
Малюнок 9.7. Вкладка параметрів навчання
· Кількість епох (epochs) - визначає число епох (інтервал часу), по закінченні яких навчання буде припинено.
· Епохою називають одноразове представлення всіх навчальних вхідних даних на входи мережі.
· Досягнення мети або попадання (goal) - тут задається абсолютна величина функції помилки, при якій мета буде вважатися досягнутою.
· Період оновлення (show) - період оновлення графіка кривої навчання, виражений числом епох.
· Час навчання (time) - після закінчення зазначеного тут тимчасового інтервалу, вираженого в секундах, навчання припиняється.
Беручи до уваги той факт, що для задач з лінійно віддільними множинами (а наша задача відноситься до цього класу) завжди існує точне рішення, встановимо поріг досягнення мети, рівний нулю. Значення інших параметрів залишимо за замовчуванням. Зауважимо тільки, що поле часу навчання містить запис Inf, яка визначає нескінченний інтервал часу (від англійського Infinite - нескінченний).
Наступна вкладка Необов'язкова інформація (Optional Info) показана на малюнку 9.8.
Малюнок 9.8 Вкладка необов'язковою інформації
Розглянемо вкладку навчання (Train). Щоб почати навчання, потрібно натиснути кнопку Навчити мережу (Train Network). Після цього, якщо в поточний момент мережа не задовольняє жодній з умов, зазначених у розділі параметрів навчання (Training Parameters), з'явиться вікно, що ілюструє динаміку цільової функції - криву навчання. У нашому випадку графік може виглядати так, як показано на малюнку 9.9. Кнопкою Зупинити навчання (Stop Training) можна припинити цей процес. З малюнка видно, що навчання було зупинено, коли функція мети досягла встановленої величини (goal=0).
Слід зазначити, що для персептронов, що мають функцію активації з жорстким обмеженням, помилка розраховується як різниця між метою й отриманим виходом.
Отже, алгоритм навчання знайшов точне рішення задачі. У методичних цілях переконаємося в правильності рішення завдання шляхом прогону навченої мережі. Для цього необхідно відкрити вкладку Прогін (Simulate) і вибрати у випадаючому списку Входи (Inputs) заготовлені дані. У цьому завданню природно використовувати той же набір даних, що і при навчанні data1. При бажанні можна встановити прапорець Задати мети (Supply Targets). Тоді в результаті прогону додатково будуть розраховані значення помилки. Натискання кнопки Прогін мережі (Simulate Network) запише результати прогону в змінну, ім'я якої вказане в полі Виходи (Outputs). Тепер можна повернутися в основне вікно NNTool і, виділивши мишею вихідну змінну network1, натиснути кнопку Перегляд (View). Вміст вікна перегляду збігається зі значенням вектора цілей - мережа працює правильно.
Малюнок 9.9 Крива навчання
Слід зауважити, що мережа створюється ініціалізованої, тобто значення ваг і зміщень задаються певним чином. Перед кожним наступним досвідом навчання зазвичай початкові умови оновлюються, для чого на вкладці Ініціалізація (Initialize) передбачена функція ініціалізації. Так, якщо потрібно зробити кілька незалежних дослідів навчання, ініціалізація ваг і зміщень перед кожним з них здійснюється натисканням кнопки Ініціалізувати ваги (Initialize Weights).
Повернемося до вкладки Необов'язкова інформація (Optional Info) (див. Малюнок 9.8). Щоб зрозуміти, якої мети служать представлені тут параметри, необхідно обговорити два поняття: перенавчання та узагальнення.
При виборі нейронної мережі для вирішення конкретного завдання ва...
