Рассмотрим непрерывную, динамически контролируемую работу уже обученной сети в реальном времени.
Пусть дядя Рамзай своими собственными глазами видел Васю, беседующего с Оксаной близ ее палатки. И было это не более пяти минут назад. Ясно, что по крайней мере еще минут на двадцать Васю следует исключить из процесса оценки достоверности последующих ситуаций. Желательно этот процесс автоматизировать. Это значит, что на входном слое должна быть учтена информация: «Вася уже у Оксаны, следовательно, дальнейшее рассмотрение комбинаций с их участием нецелесообразно». И если вдруг появившийся Вовочка, выпрашивая пряник, сообщает, что только что видел Васю у Аполлинарии, то дядя Рамзай, корректируя текущую информацию, должен игнорировать или учесть незначительно (в случае неверия собственным глазам) заявление Вовочки.
Желательно, чтобы достоверность подобной информации (про Васю и Оксану) автоматически снижалась либо, наоборот, достоверность информации о ситуациях без их участия увеличивалась.
Напоминаем, что не стоит гоняться за достоверностью, требуя принадлежности ее величины диапазону [0, 1], а использовать более общее понятие веса информации. Очевидно, вес следует рассматривать как функцию времени. Ведь логично, что с течением времени вероятность участия Васи и Оксаны в последующих ситуациях должна восстанавливаться.
Что необходимо для работы сети подобным образом?
1. Надо с большей определенностью дифференцировать ситуации на выходном слое. Например, если в решениях R1 и R2 замешаны не только Вася и Оксана, но и другие участники, то это затрудняет принятие конкретного решения только по Васе и только по Оксане. Необходимо корректировать принимаемое решение по вхождению комбинации А1 &C1 в предикат, определяющий это решение, и не связывать, не объединять эту комбинацию, например, с комбинацией А\ & С1, входящей в тот же предикат. Следует расширить множество {Ri} принимаемых решений, повторяя при необходимости одно и то же решение для разных эталонных комбинаций.
2. Необходимо ввести обратную связь, влияющую на решения относительно Васи (А1) и Оксаны (С1), в части достоверности или веса информации, т. е. на величины возбуждения нейронов А\ и С1, даже вопреки попыткам искусственно задать высокие значения этих величин.
Приведем конкретные рекомендации.
1. Детализация, дифференциация эталонных ситуаций, по которым принимается не только прямое решение Ri, но и обратное, корректирующее характер использования исходных данных.
2. Установление отрицательной обратной связи, ведущей от каждого нейрона выходного слоя, отвечающего за решение с участием Васи, к нейрону А1 входного слоя.
3. Установление отрицательной обратной связи, ведущей от каждого нейрона, отвечающего за решение по Оксане, к нейрону С1 входного слоя.
4. Установление положительной обратной связи от нейронов выходного слоя, отвечающих за решения по Васе, к нейрону А2, что увеличивает достоверность участия Пети в дальнейших исследованиях дяди Рамзая.
5. Установление положительной обратной связи от нейронов выходного слоя, отвечающих за решения по Оксане, к нейронам С2,...,С5.
Строго следуя данной рекомендации, строим более подробную систему предикатов, которая воплощается нейросетью:
Заметно резкое возрастание числа нейронов выходного слоя.
Что ж, нас теперь интересуют не просто выводы, но и то, каким путем каждый из них получен. Это еще раз свидетельствует о том, что не всегда целесообразно использовать обобщенные эталоны, объединяя ситуации, ведущие к одинаковому выводу. Весьма часто, особенно при введении обратных связей, необходимо различать ситуации. Это отражает принцип мозга, где царит избыточность, обеспечивающая обилие путей и вариантов, развиваемость, резервирование, устойчивость и надежность. На рис. 5.2 представлен фрагмент начала построения возможной нейросети, которую мы вправе считать окончательным результатом своих исследований и готовы предъявить Заказчику. Во избежание путаницы положительные обратные связи не указаны. Следует обратить внимание на то, что, вводя обратные связи, мы ограничились только проблемой повышения достоверности исходных данных на основе текущего состояния событий. Модуль веса обратной связи в нашем случае должен быть убывающей функцией времени. Пользуясь допустимыми условностью и приблизительностью, преследуя цель скорее качественную, нежели количественную, можно довольно просто рассчитать величину отрицательной обратной связи. Например, если считать, что на один визит Вася расходует не менее 25 мин., то вес одного из дендритов нейрона А1 (аналогично другим нейронам входного слоя) определяем по формуле
