УДК 004.855.5 ОБУЧЕНИЕ НЕЙРОННЫХ СЕТЕЙ МЕТОДОМ ЛЕВЕНБЕРГА-МАРКВАРДТА В УСЛОВИЯХ БОЛЬШОГО КОЛИЧЕСТВА ДАННЫХ С. С. <...> Пархоменко, Т. М. Леденёва Воронежский государственный университет Поступила в редакцию 15.05.2014 г. Аннотация. <...> Однако алгоритм требует сложные вычисления, занимающей много времени. <...> В данной статье представлено подробное описание метода и предложены способы его оптимизации и распараллеливания с целью увеличения производительности. <...> Ключевые слова: нейронная сеть прямого распространения, обучение нейронных сетей, метод Левенберга-Марквардта Annotation. <...> The Levenberg-Marquardt method achieves a high accuracy in a neural network training. <...> ПОСТАНОВКА ЗАДАЧИ Нейронная сеть прямого распространения (НСПР) – нейросетевая архитектура, состоящая из следующих друг за другом слоёв нейронов; в качестве входов каждый последующий слой использует выходы предыдущего слоя (обычно называемого скрытым слоем) за исключением входного слоя, непосредственно принимающего входные сигналы [1]. <...> Основная функция скрытых слоёв – выделение статистики высокого порядка. <...> Обучение нейронных сетей прямого распространения – это процесс определения значений весов сети на основе примеров, образующих обучающее множество для сети с n входами и m выходами, состоит из N вход-выходных значений – обучающих примеров. <...> Степень близости вектора-ответа сети i y y ∈ – вектор ожидаемых значений (укаy на m i i-м примере и соответствующего вектора указаний учителя i нейронной сети w∈ где W – количество при текущем векторе весов W , весовых коэффициентов НСПР, характеризуется мгновенным функционалом качества [2]: где ний выходов сети от указаний учителя, mm трица, задающая взвешенную норму вектора i ( ).w V ∈ – положительно определённая маОбычно V – единичная матрица, что i ii= −∈ m Ч сводит функционал к евклидовой норме вектора отклонений Q w w = ( ( )− =∑ − j=1 y w y y w y y w y i ii T ( ( )ii ii ii m ) . <...> 2 Степень соответствия сети данным из обучающего множества задаётся интегральным функционалом <...>