Нейрокомпьютинг и его применения в экономике и бизнесе


Извлечение правил - часть 4


Для
d
дискретных значений
D_1,D_2,\ldots ,D_d
всем обучающим примерам, соответствующим уровню активации
D_j
, ставится в соответствие
d
-мерный целевой вектор, состоящий из нулей и одной единицы в
j
-й позиции. Вспомогательная сеть содержит свой слой скрытых нейронов. Она обучается и прореживается тем же способом, что и основная нейронная сеть. Метод извлечения правил применяется к каждой вспомогатель-ной сети, для того чтобы связать значения входов с дискретными значениями активации про-блемных нейронов скрытого слоя оригинальной сети. Подобный процесс осуществляется ре-курсивно для всех скрытых нейронов с большим числом входов до тех пор пока это число не станет достаточно малым или же новая вспомогательная сеть уже не сможет быть далее упро-щена.




Начало  Назад  Вперед



Книжный магазин