felgyorsítja a tanulási módszerek neurális hálózat

vissza terjedési algoritmus egy módszert a képzés többrétegű neurális hálózatok közvetlen forgalmazását. Ma, a neurális hálózatok sikeresen alkalmazott megoldása komplex gyakorlati problémákat.
A klasszikus kiviteli alakban visszaterjesztéses algoritmus képletű korrekciós súlyokat az alábbiak szerint:
- - száma az aktuális iteráció tanulás;
- - az érték a szinaptikus súly összekötő neuron neuron;
- - együttható „tanulási sebesség”, szabályozza a változás mértéke a súlyok;
- - hiba neuronok;
- - a termelés a neuron.
Itt - állandó. A nagyon kicsi értékek képzése a neurális hálózat lassú lesz. Nagyon nagy értékek felveti annak valószínűségét, hogy elérve a legkisebb hiba funkció neurális hálózat nem lesz képes, hogy ebben legalább, és határozatlan időre „ugrás”, hogy a jobb és a bal oldalán, újraszámítását a súlyozási együtthatók.

A választás egy bizonyos átlagos értéke minden, a tanulási folyamat nem teszi lehetővé, hogy elérjék az optimális készlet súlya együtthatók a minimális számát. Nyilvánvalóvá válik, hogy a nagysága a dinamikus vezetés jelentősen növeli a képzés hatékonyságát a neurális hálózat által vissza terjedését.
Hozzárendelése nagyobb értéket a tréning megkezdése ad egy gyors megoldást a területen, ahol az optimális készlet súlyozási együtthatók. És a neurális hálózat nem „hagyja” a legkisebb hiba van szükség a tanulási folyamat, hogy csökkentse az értéket. Lehetőség van például a következő egyszerű egyenlet:
Érdemes megjegyezni, hogy vannak sokkal összetettebb mechanizmusok gyorsuló neurális hálózat képzés, lehetővé teszi, hogy változik a sebesség a tanulás minden egyes neuron alapuló értékét a hiba az előző iteráció.
Dinamikus sebességszabályozás neurális hálózat képzés a legtöbb esetben jelentősen javítja a hatékonyságot a back-terjedési algoritmust.