Нейрокомпьютинг и его применения в экономике и бизнесе


              

всем обучающим примерам, соответствующим уровню


Для
дискретных значений
всем обучающим примерам, соответствующим уровню активации
, ставится в соответствие
-мерный целевой вектор, состоящий из нулей и одной единицы в
-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.


Содержание  Назад  Вперед