Глава 2 первые шаги Начинаем работу с пакетом

ST Neural Networks

В этой главе на примере классической задачи «исключающего или» будут описаны основные шаги по созданию и применению нейронных сетей в среде пакета ST Neural Networks. Прочитав этот раздел, вы будете знать, как:

• создать файл данных пакета ST Neural Networks;

• построить нейронную сеть в пакете ST Neural Networks]

• обучить нейронную сеть на множестве данных;

• запустить обученную нейронную сеть на исполнение и вывести статистики, характеризующие ее работу;

• сохранить или открыть ранее сохраненный набор данных или экземп­ляр сети.

Задача «исключающего или»

Читатель, уже знакомый с нейросетевыми методами и задачей «исклю­чающего или», может пропустить этот раздел. Если же вы новичок в ней­ронных сетях, мы советуем вам заранее (либо параллельно с этой главой) прочитать предыдущую главу настоящего руководства и/или какую-нибудь хорошую книгу по этой теме. Далее мы будем предполагать, что вы знакомы со следующими базовыми понятиями: как используются обу­чающие данные, как работает элемент сети и какой смысл имеют веса сети.

Задача «исключающего или» (Хоr) была очень популярна среди пионеров в области нейронных сетей (Haykin, 1994). Она формулируется очень про­сто: имея две бинарные входные переменные, каждая из которых может принимать значение ноль или единица, распознать случаи, когда одна из этих переменных равна единице, а другая нулю.

Всего здесь возможны четыре типа наблюдений

Вход 1	Вход 2	Хоr?
0	0	Нет
1	0	Да
0	1	Да
1	]	Нет

Из этой таблицы видно, чем интересна задача «исключающего или». На приведенном ниже рисунке соответствующие точки изображены на плос­кости, где ось X соответствует переменной Вход 1, а ось Y - переменной Вход 2. Случаи «Да» обозначены кружками, а случаи «Нет» - крестиками.

Хотя задача кажется совсем простой, у нее есть одна особенность, пред­ставляющая трудность для многих методов решения задач анализа дан­ных: она линейно неотделима. Иначе говоря, невозможно провести пря­мую линию на плоскости так, чтобы положительные случаи оказались по одну сторону от нее, а отрицательные - по другую.

Это значит, что линейные методы, широко применявшиеся на протяже­нии многих лет, неприменимы для решения такой задачи. В то же время, задача «исключающего или» -это действительно фундаментальная задача: она является простейшим примером из целого класса наиболее часто встречающихся задач.

Как будет рассказано в этой главе, одна из причин того, что нейронные сети имеют столь большое значение, заключается в том, что они способны решать линейно неотделимые задачи классификации, простейшим приме­ром которых служит задача «исключающего или».