Технологии интеллектуального анализа данных : учебное пособие

185 активными нейронами. Часто используемые в НС связи усилива- ются, что создает модель обучения путем повторения и привыка- ния. 2. Правило обучения Розенблатта, используемое при обуче- нии устройств, называемых персептронами, формально записыва- ется как ( 1) ( ) ij ij i j w t w t x t       , где (0;1]  – коэффициент, характеризующий скорость обучения сети. Согласно данному ал- горитму связи изменяются только в том случае, если выходная ре- акция НС не совпадает с эталонной. 3. Правило обучения Видроу–Хоффа, используемое для обучения НС, состоящей из распределительных нейронов и одного выходного нейрона, имеющего линейную функцию активации. Формально данное правило записывается в виде 1 ( 1) j w t     1 1 ( ) k k k j i w t y t x     ,   1 ( 1) ( ) k k T t T t y t      . К вопросу практического использования многослойных НС для решения прикладных задач исследователи обратились сравни- тельно недавно в связи с тем, что до недавнего времени не были известны эффективные алгоритмы их обучения, поэтому и выводы по перспективам использования многослойных НС были весьма пессимистичными. Однослойные нейронные сети способны решать только задачу разбивки входного пространства образов на классы при помощи гиперплоскости, что сильно ограничивает возможно- сти их практического использования. Эффективный алгоритм обучения многослойных нейронных сетей был предложен в 1986 году и назван алгоритмом обратного распространения ошибки. Суть данного алгоритма обучения за- ключается в последовательном выполнении итераций, каждая из которых состоит из двух фаз: 1) фазы прямого распространения, в результате которой формируются сигналы на выходе НС при по-