Русский
!

Conference publications

Abstracts

XIX conference

Neural network training of solving tasks with latent regularity

Лоренц В.А., Гавриков В.Л.1, Хлебопрос Р.Г.2

Siberian Federal University

1Krasnoyarsk State Pedagogic University named after V.P. Astafiev

2Krasnoyarsk Scientific Center of RAS

1 pp. (accepted)

Область науки, специализирующаяся на разработке и исследовании нейронных сетей, развивается в настоящее время очень интенсивно из-за фундаментального интереса во всем мире к созданию искусственного интеллекта, а также благодаря широкому применению нейронных сетей для решения различных практических задач.

Нейронная сеть, являясь совокупностью простых элементов, взаимодействие которых порождает новые свойства, не присущие ее отдельным элементам, может выступать в роли универсального эвристического модельного объекта «живого». Среди всех возможных функций живых организмов, одной из важнейших является их способность к обучению. Исследовать это эволюционно значимое качество посредством параллельного сравнения естественных и искусственных адаптивных систем, представляется весьма плодотворным.

В данной работе анализировалась динамика ошибки обучения нейронной сети в процессе решения двух задач различного уровня сложности, содержащих скрытую закономерность, а также проводился сравнительный анализ с имеющимися экспериментальными данными по обучению животных. Выявлено фундаментальное сходство обучения нейронной сети и живых систем, не вписывающееся в первоначально встроенный алгоритм обучения нейросети. Наблюдаемый эффект резкого выхода на определенный уровень понимания нейросетью, сопровождающийся улучшением обучаемости, может быть связан с уникальной способностью нейронной сети избегать «застревания» в локальных минимумах многомерной поверхности пространства возможных решений.

Исходя из полученных результатов выдвинута гипотеза о существовании наиболее предпочтительных, «квантованных» кривых обучения, которая при построении частотных распределений ошибок обучения нейронных сетей в каждый момент времени, находит свое подтверждение. Выявленные феномены позволяют установить ряд принципов обучения адаптивных систем.



© 2004 Designed by Lyceum of Informational Technologies №1533