Rəqəmsal iqtisadiyyat və İkt t e. n., dos.Əsgərov H.Ə

Şəbəkənin çəki əmsallarının təyin edilməsinin vacib alqoritmi, perseptron şəbəkələrinin öyrədilməsi zamanı müşahidə olunan əks (tərs) paylanma alqoritmidir. Öyrətmə zamanı səhv siqnalı (impulsu) şəbəkə üzrə paylanır. Bu səhv aradan qalxana qədər neyronların giriş çəkilərinə düzəliş edilir. Birsəviyyəli şəbəkələrdə düzəlişlər kifayət qədər asan olur. Birsəviyyəli şəbəkə - öyrədilən perseptron, w_i,i=1,…,n çəkilərinə və u sərhəddinə (paroquna) malik olan bir neyrondan ibarətdir.
Əgər i-nin bütün qiymətləri üzrə

ifadəsinin qiyməti paroqun qiymətindən kiçik olarsa neyronun çıxışı vahidə, əks halda isə sıfra bərabər olur. Qeyd edək ki, poroq neyronun çəkiyə malik və girişinin qiyməti -1 olan n+1 girişi vasitəsiilə verilə bilər.
Rozenblatt Perseptronun çəki əmsallarının sazlanması üçün aşağıdakı alqoritmi təklif etmişdir. Tutaq ki, aşağıdakı öyrənmə çoxluğu verilmişdir:
1,D₁>=<(x₁₁,…,x_1n),D₁>,
2,D₂>=<(x₂₁,…,x_2n),D₂>,
…………………………..
m,D_m>=<(x_m1,…,x_mn),D_m>,
X_j = (х_j1, ...,х_jn) – j nümunəsi üçün giriş qiymətləri, D_j isə bu nümunə üçün çıxış qiymətləridir. Əgər ԑ səhvin verilmiş qiyməti olarsa və j-nın bütün qiymətləri üçün max|D_j-Y_j| ≤ ԑ olarsa onda perseptron düzgün öyrədilmişdir.
Alqoritm aşağıdakılardan ibarətdir.
1. Neyronun çəki əmsallarına və paroqa təsadüfi kiçik qiymətlər verilir.
2. İlk nümunədən başlayaraq neyronun girişinə növbəti nümunənin <Х_j., D_j.> verilməsi və neyronun çıxışlarının qiymətinin У_j, j=1,..., m təyin edilməsi.
3. Çəkilərin w_i(t+1)=w_i(t)+a(D_j-Y_j)x_i, i=1,2,…,n, ifadəsinə uyğun olaraq dəyişdirilməsi. а - əmsal olub, 0<а<1-dir.
4. Öyrətmə çoxluğunun bütün obyektləri üçün səhvin qiyməti, qabaqcadan verilmiş ԑ-dan böyük olmayana qədər 2-4 mərhələləri təkrarlanır.
Sahələrin ancaq bir hipermüstəvi ilə ayrıldığı məsələlərdə birsəviyyəli şəbəkələr tətbiq edilə bilər. Çoxsəviyyəli şəbəkələrdə daxili səviyyələrdə düzəlişlər daha mürəkkəb proseduralardan ibarət olur. Çəkilərin sazlanması alqoritmin özü 3-cü mərhələnin kifayət qədər mürəkkəbləşməsilə olduğu kimi qalır.
Beləliklə, siqmoid şəkilli aktivləşmə funksiyasına malik neyronlardan ibarət olan çoxsəviyyəli şəbəkə üçün 3-cü mərhələyə baxaq. O, çıxış təbəqəsi (səviyyəsi) çəkilərinin düzəlişindən və qalan təbəqələrin (səviyyələrin) çəkilərinin düzəlişindən ibarətdir.