Алгоритм обучения нейросети

Алгоритм обучения нейросети - процедура настройки архитектуры, весов синаптических связей и порогов нейронов по имеющимся примерам (обучающей выборке) с целью заставить сеть функционировать должным образом.

Основные парадигмы обучения:

"С учителем" "С подкреплением" "Без учителя" "Смешанное"

Обучающие примеры - наборы пар входов-выходов.
Т.е. известны правильные ответы(выходы сети) на каждый входной пример. Правильные ответы не известны, но известна критическая оценка правильности выхода сети В качестве обучающих примеров используются только входные значения Часть весов определяется обучением "с учителем", другая часть самообучением.

См. также: Архитектура нейронной сети, Обучение "без учителя", Обучение "с учителем".

Литература:
1) А.Н.Горбань, "Обучение нейронных сетей",М:СП Параграф,1990.

Ссылки:
1) Ф.Уоссермен, "Нейрокомпьютерная техника.", М.: Мир, 1992. - Приложение Б.
2) Neural Bench: Постановка и возможные пути решения задачи обучения нейронных сетей
3) А.Ежов, С.Шумский, "Нейрокомпьютинг и его применение в экономике и бизнесе",1998.(PostScript, zip). Основные парадигмы обучения обсуждается в Лекции 2.
4) Лекция 1. Нейрокомпьютинг - перепечатка той же лекции в формате HTML.

"С учителем"	"С подкреплением"	"Без учителя"	"Смешанное"
Обучающие примеры - наборы пар входов-выходов. Т.е. известны правильные ответы(выходы сети) на каждый входной пример.	Правильные ответы не известны, но известна критическая оценка правильности выхода сети	В качестве обучающих примеров используются только входные значения	Часть весов определяется обучением "с учителем", другая часть самообучением.