Cea mai importantă proprietate a rețelelor neuronale este capacitatea lor de a învăța, pe baza datelor de mediu și, ca urmare a învățării pentru a îmbunătăți performanța lor. Creșterea productivității se produce în timp, în conformitate cu anumite reguli. Formarea rețelei neuronale are loc printr-un proces interactiv corecții ale ponderilor sinaptice și a pragurilor. În cazul ideal, rețeaua neuronală primește cunoștințe despre mediul la fiecare iterație a procesului de învățare.
Cu conceptul de învățare este asociată o mulțime de activități, astfel încât este dificil să se dea o definiție clară a acestui proces. Mai mult decât atât, procesul de învățare depinde de punctul de vedere pe ea. Asta e ceea ce face practic imposibilă apariția unei definiții precise a acestui concept. De exemplu, procesul de învățare, cu un punct de vedere psiholog este destul de diferit de formare, cu o perspectivă profesor de școală. Din punctul de vedere al rețelei neuronale, puteți utiliza, probabil, următoarea definiție:
Această definiție a procesului de învățare a rețelei neuronale implică următoarea succesiune de evenimente:
- Rețeaua neuronală primește stimuli din mediul extern.
- Ca urmare, primul paragraf schimba parametrii liberi ai rețelei neuronale.
- După modificarea structurii interne a rețelei neuronale răspunde la excitație deja în alt mod.
Lista de mai sus de reguli clare pentru rezolvarea problemei de formare a unui algoritm de învățare rețele neuronale este numit. Nu este greu de ghicit că nu există nici un algoritm de învățare universal, potrivit pentru toate arhitecturile de rețea neuronale. Există un set de instrumente, a prezentat o varietate de algoritmi de învățare, fiecare dintre acestea are avantajele sale. algoritmi de învățare sunt mod diferit de a stabili ponderile neuronilor sinaptice. O altă trăsătură distinctivă este metoda de comunicare instruit rețele neuronale către lumea exterioară. În acest context, vorbim despre paradigma de învățare legate de modelul mediului în care operează, această rețea neuronală.
Există două abordări conceptuale a procesului de învățare rețele neuronale: învățare fără un profesor cu profesorul și de formare.
Formarea unei rețele neuronale cu maestru presupune că pentru fiecare vector de intrare din setul de antrenare există valoare vector de ieșire dorit, numit o țintă. Acești vectori formează o pereche de formare. schimbarea netă în greutate, atâta timp cât pentru fiecare vector de intrare nu se va obține un nivel acceptabil al vectorului de ieșire din deviația țintă.
formare neuronale rețea fără un profesor este mult mai plauzibil modelul de învățare în ceea ce privește rădăcinile biologice ale rețelelor neuronale artificiale. Setul de formare constă doar din vectori de intrare. algoritm de învățare a rețelei neuronale ajustează greutăți de rețea, astfel încât vectorul de ieșire coerent, adică, la prezentarea vectorilor de intrare suficient de apropiate produc aceleași ieșiri.