Отрывок: А., Абрамова Е.С. Компьютерная оптика, 2023, том 47, №3 DOI: 10.18287/2412-6179-CO-1203 495 V*, W*: = Backpropagation [V*, W*]. (5) Шаг 2.5. Переход во вторую фазу состояния сна. Полученные значения весовых коэффициентов W являются малыми. Однако данная нейронная сеть, обученная методом обратного распространения ошибки, не допускает инкрементного обучения. Шаг 3. Обучение нейронной с...
Название : | Разработка и исследование алгоритма посменного инкрементного обучения нейронной сети |
Другие названия : | Development and research of a neural network alternate incremental learning algorithm |
Авторы/Редакторы : | Орлов, А.А. Абрамова, Е.С. |
Ключевые слова : | методы инкрементного обучения искусственные нейронные сети машина экстремального обучения состояния функционирования и сна |
Дата публикации : | Июн-2023 |
Издательство : | Самарский национальный исследовательский университет |
Библиографическое описание : | Орлов, А.А. Разработка и исследование алгоритма посменного инкрементного обучения нейронной сети / А.А. Орлов, Е.С. Абрамова // Компьютерная оптика. – 2023. – Т. 47, № 3. – С. 491-498. – DOI: 10.18287/2412-6179-CO-1203. |
Серия/номер : | 47;3 |
Аннотация : | В работе показывается актуальность разработки инкрементных методов и алгоритмов обучения нейронной сети. Представлены семейства техник инкрементного обучения. Проведена оценка возможности применения машины экстремального обучения как инкрементного обучения. Эксперименты показывают возможность использования машины экстремального обучения как инкрементного обучения, однако при увеличении числа обучающих примеров нейронная сеть становится непригодна для дальнейшего обучения. Для решения данной проблемы предложен алгоритм инкрементного обучения нейронной сети, основанный на поочередном применении машины экстремального обучения для корректировки весов только выходного слоя сети (состояние функционирования) и метода обратного распространения ошибки (глубокого обучения) для корректировки всех весов сети (состояние сна). Полагается, что в ходе состояния функционирования нейронная сеть выдает результаты или учится на новых задачах, а в состоянии сна оптимизирует свои весовые коэффициенты. Особенностью предложенного алгоритма является его возможность адаптироваться в реальном масштабе времени под изменение внешних условий на этапе функционирования. На примере решения задачи аппроксимации показана эффективность предложенного алгоритма. Представлены результаты аппроксимации после выполнения каждого шага алгоритма. Приведено сравнение значений среднеквадратической ошибки при использовании машины экстремального обучения как инкрементного обучения и разработанного алгоритма посменного инкрементного обучения нейронной сети. |
URI (Унифицированный идентификатор ресурса) : | https://dx.doi.org/10.18287/2412-6179-CO-1203 http://repo.ssau.ru/handle/Zhurnal-Komputernaya-optika/Razrabotka-i-issledovanie-algoritma-posmennogo-inkrementnogo-obucheniya-neironnoi-seti-103223 |
Другие идентификаторы : | Dspace\SGAU\20230424\103223 |
ГРНТИ: | 28.23.37 |
Располагается в коллекциях: | Журнал "Компьютерная оптика" |
Файлы этого ресурса:
Файл | Описание | Размер | Формат | |
---|---|---|---|---|
2412-6179_2023_47_3_491-498.pdf | Основная статья | 1.39 MB | Adobe PDF | Просмотреть/Открыть |
Показать полное описание ресурса
Просмотр статистики
Поделиться:
Все ресурсы в архиве электронных ресурсов защищены авторским правом, все права сохранены.