|
西元1962年Rosenblatt提出 perceptron 的觀念來解釋人腦中神經綱路功能, 人類致
力于創造可以自行思考的機器, 研究人類腦神經的生化機能, 甚至所有可以用得上的
理論, 都拿出來用, 一時成為熱門話題。后來遭遇 XOR的問題而中止, 爾后, Minske
y 和 Papert 提出加入 hidden cells 可以解決 XOR 之問題, 使得原本已經沉寂已
久的煩神經綱路頓時從敗部復活。剛開始, 我們對相關的文獻做了一番的研究, 發現
在眾多的類神經綱路架構中, 只有 Hopfield nets, Hamming nets 和 perceptron
等的類神經綱路架構有比較完整的理論, 其餘的文章都只是加深探討, 因此時至今日
還沒有見到有任何文章提出 hidden cells 的數目應該為何, 才可以使得學習成功率
達到100㏑。這里我們提出了二個 Algorithm , 使用 binary input 和 Pocket lear
ing algorithm, 第一個針對M 個 bits的pattern 我們求得需要 －m－1 個hidden
cells 以及它們的連接方式, 并且證明在這種架構下 pocket learning algorithm
可以100㏑學習成功。第二個方法做了第一個方法的最佳化, 當辨別 n 個 m bits 的
patterns 時(u －m－1) , 只需要最多n 個 hidden cells, 就可以100㏑使這
些 patterns 被辨識出來。雖然我們知道的理論很限, 但是我們相信有一天類神經綱
路會被廣泛的應用在每個地方。
關鍵詞:
neural nets, input cells, hidden cells,
output cells, binary input, supervised learning.
|