Обучение нейронной сети без учителя.

В предыдущих статьях (раз, два) рассматривалась классификация автотранспорта на основе его параметров:

  1.  Масса
  2. Мощность двигателя
  3. Пассажировместимость
  4. Грузоподъёмность

На вход подавались значения этих параметров для различных транспортных средств, на выход эталонное разделение на классы (примеры) и на этих примерах нейросеть обучалась классифицировать повозки. Подом подавались выборки не из обучающих примеров для того, чтобы сеть сказала нам что это такое.

Такое обучение называется обучением с учителем .

Существует так же обучение без учителя, которое отличается тем, что правильных ответов на выход не подаётся, и задача нейросети состоит в том, чтобы в конце обучения установить степень подобия классифицируемых объектов. То есть подавая на вход значения параметров различных объектов, на выходе мы получаем числовую характеристику. К примеру из трёх анализируемых объектов наиболее похожи те, разница характеристики подобия которых меньше.

Воспользуемся теми же входными данными, что и ранее, чтобы обучить нейросеть без учителя по методу Хебба (попытавшимся самостоятельно его реализовать, небольшое дополнение, которое во многих статьях опускается, тем не менее способно выпить много крови: метод Хебба неработоспособен при функции активации нейронов, отличной от пороговой).

Итак, для реализации такого обучения используем нейронную сеть с одним внутренним слоем из 20 нейронов, 4 входами и одним выходом.

 

После обучения имеем следующие выходные сигналы для обучающей выборки

  1. Велосипед — 0,0001
  2. Повозка — 0,0002
  3. Урал Мото — 0,0006
  4. Ока — 0,0017
  5. Калина — 0,0252
  6. Зил 5301 — 0,0478
  7. Газель грузовая — 0,0484
  8. Белаз — 0,0816
  9. Патриот — 0,0831
  10. Камаз — 0,1254
  11. Газель пассаж. — 0,1268
  12. ПАЗ 34234 — 0,2261
  13. БТР80 — 0,2265
  14. ЛИАЗ 6213 — 0,2740
  15. Трамвай  — 0,2740

Расположим их на координатной прямой

 

Разделение автомобилей на классы

Разделение автомобилей на классы

 

Из рисунка видно, что всякие псевдоавтомобили расположились плотным кластером в начале координатной прямой. Все пассажировозки тоже недвусмысленно обособились в конце прямой.

А вот большая группа автомобилей, которые вроде и пассажиров возят больше одного и грузоподъёмность имеют значительную равномерно размазались в середине. Нейросеть не смогла их качественно рассортировать, что скорее всего, связано с их противоречивыми характеристиками.

Впрочем, как конкретно метод Хебба в частности, так и методы обучения нейросетей без учителя широко известны своей привередливостью к обучающим примерам.

 

 


One Response to Обучение нейронной сети без учителя.

  1. Pingback: Обучение нейросети без учителя с аккредитацией. | Perpetuum mobile

Добавить комментарий