АвтоАвтоматизацияАрхитектураАстрономияАудитБиологияБухгалтерияВоенное делоГенетикаГеографияГеологияГосударствоДомДругоеЖурналистика и СМИИзобретательствоИностранные языкиИнформатикаИскусствоИсторияКомпьютерыКулинарияКультураЛексикологияЛитератураЛогикаМаркетингМатематикаМашиностроениеМедицинаМенеджментМеталлы и СваркаМеханикаМузыкаНаселениеОбразованиеОхрана безопасности жизниОхрана ТрудаПедагогикаПолитикаПравоПриборостроениеПрограммированиеПроизводствоПромышленностьПсихологияРадиоРегилияСвязьСоциологияСпортСтандартизацияСтроительствоТехнологииТорговляТуризмФизикаФизиологияФилософияФинансыХимияХозяйствоЦеннообразованиеЧерчениеЭкологияЭконометрикаЭкономикаЭлектроникаЮриспунденкция

Сети каскадной корреляции

Читайте также:
  1. Вычисление коэффициента ранговой корреляции Спирмена в системе STATISTICA 6.0
  2. Для определения силы взаимосвязи найдем линейный коэффициент парной корреляции.
  3. Иллюзорные корреляции
  4. Использование способа парной корреляции для изучения стохастических зависимостей
  5. Корреляции
  6. Коэффициент корреляции по абсолютному значению равен 1
  7. Коэффициенты корреляции между основными макроэкономическими и демографическими показателями, 2005-2009 гг.
  8. Коэффициенты корреляции между основными макроэкономическими показателями и индикаторами финансового рынка, 2005-2009 гг.
  9. Коэффициенты корреляции свойств характера внутри пар близнецов и сиблингов
  10. Матрица корреляции емкости (С) (в рF)
  11. Методика множественной корреляции
  12. Онтофилогенетическая обусловленность пороков развития органов и систем человека. Правила корреляции в эволюции.

 

Построение нейронных сетей по алгоритму каскадной корреляции начинается с персептрона. Алгоритм можно разбить на две части: обучение нейронов персептрона и создание новых нейронов.

На начальном этапе, когда обучается персептрон, после того, как в течение заданного числа эпох не происходит существенного уменьшения ошибки, принимается решение о создании нового нейрона.

Во второй части алгоритма новый нейрон-кандидат добавляется к существующей сети, причем его входы соединяются со всеми входами сети и выходами уже добавленных прежде нейронов-кандидатов. Входные веса кандидата настраиваются особым образом так, чтобы максимально уменьшить ошибку на выходе полученной сети. На рисунке 5.2 показана сеть с двумя добавленными нейронами.

 

 

Рисунок 5.2 – Сеть каскадной корреляции.

 

Метод получил такое название потому, что для настройки весов нейрона-кандидата используется сумма корреляций его выхода со значениями уже имеющихся нейронов:

где yp – выход нейрона-кандидата;

– ошибка выходного нейрона j для образца p;

– усреднённые по выборке значения соответствующих величин.

Цель обучения – максимум функционала S. Для этого вычисляются его частные производные по весам нейрона-кандидата:

где λj – знак корреляции (+ или -) между yp и ;

I – значение выхода нейрона, добавленного на предыдущем шаге.

 


1 | 2 | 3 | 4 | 5 | 6 | 7 | 8 | 9 | 10 | 11 | 12 | 13 | 14 |

Поиск по сайту:



Все материалы представленные на сайте исключительно с целью ознакомления читателями и не преследуют коммерческих целей или нарушение авторских прав. Студалл.Орг (0.002 сек.)