On 4 Cze, 21:22, Michal <n...@d...me> wrote:
> A w jakich zagadnieniach stosowales z dobrym skutkiem sieci counter-propagation.
> Ja probowalem w rozpoznawaniu obrazu i niestety spisywaly sie nadwyraz miernie.

Dlaczego mizernie? Jaką architekturę miała sieć? Jak trudne obrazy
rozpoznawałeś?

Ogólnie chodziło o predykcję, trzeba było wzorce historyczne przypisać
do klas,
określić do jakiej klasy pasuje bieżący wzorzec i określić
prawdopodobieństwo zajścia
pewnej sytuacji. Szczegółów podać nie mogę, ale w każdym zadaniu w
którym
dane rozkładają się wokół określonej ilości skupisk sieć coutner-
propagation powinna
zadziałać dobrze. Podczas uczenia pojawiają się różne problemy i
trzeba dodać
różne usprawnienia do oryginalnego algorytmu. Ja dodawałem bardzo duży
szum
do danych który w trakcie uczenia stopniowo zanikał. Do tego zliczałem
który neuron
najrzadziej wygrywa i przerzucałem go w losowe miejsca. Warstwy
wyjściowej nie
uczyłem w ogóle, tylko na koniec rozwiązywałem układ równań.

Nie można powiedzieć aby ten system działał rewelacyjnie, czy
automatycznie, ale
wiele razy podsunął pomysły na które pracownicy by nie wpadli, albo po
prostu
zapomnieli o takiej możliwości. Po ostatecznym zweryfikowaniu przez
pracownika
niektóre propozycje systemu są użyteczne.

Pozdrawiam