我的问题涉及监督式人工神经网络(ANN)中的训练集。
如您所知,训练集由输入和期望输出的成对数据组成。
训练阶段本身如下:
现在假设训练集中有
如您所知,训练集由输入和期望输出的成对数据组成。
训练阶段本身如下:
for every pair in a training set
-we input the first value of the pair and calculate the output error i.e. how far is the generated output from the desired output, which is the second value of the pair
-based on that error value we use backpropagate algorithm to calculate weight gradients and update weights of ANN
end for
现在假设训练集中有
pair1, pair2, ...pair m, ...
,我们先拿出 pair1
,产生一些错误,更新权重,然后拿出pair2
,以此类推,到达pair m
,产生一些错误,更新权重。我的问题是,如果 pair m
后的权重更新会消除一些权重更新,甚至包括之前发生的更新呢?例如,如果 pair m
将消除之后发生的 pair1
或 pair2
的权重更新,那么尽管 ANN 可以为输入 m 产生合理的输出,但它会遗忘对 pair1
和 pair2
的更新,因此输入 1 和 2 的结果将很差,这样训练还有什么意义?除非我们在 pair m
之后再次用 pair1
和 pair2
进行训练。