電腦學會如何學習了嗎？——類神經網路學習分類

學習分類昆蟲資料

在本章節中，我們將呈現類神經網路如何「自動」調整權重，

最後學習到如何分類毛毛蟲與瓢蟲的資料。

當然，這是一個非常簡單的案例，實際的分類問題還是複雜許多，

但我們仍然可以透過簡單的案例，理解類神經網路的運作過程。

首先，我們準備毛毛蟲與瓢蟲的資料：

如果將資料呈現在二維平面上，會像下圖：

(試著操作以下的頁面，並觀察其位置與長寬的變化)

長度：

寬度：

瓢蟲 毛毛蟲

輸出

還記得我們在第二章提到類神經網路如何學習嗎？

我們在第二章節，就希望你熟悉並且牢記這個概念，

因為我們接下來要介紹類神經網路如何「自動」調整權重，

也是同樣的概念，只不過我們更深入到數學的運算當中，

然而，為何要使用數學去建立類神經網路呢？

以電腦科學的角度來看，是因為這整個過程我們希望「自動化」、「程式化」，

用數學的表示方式，才方便我們透過電腦執行這件事情。

我們先說明一下類神經網路的訓練過程，讓你更加理解下方呈現的訓練過程，

在每次迭代中，類神經網路會讀取每一筆資料，計算出一個輸出值，再與期望輸出比較，

最後再透過誤差來調整權重，而調整權重的方式就是依照我們本章介紹的方式。

另外，在此我們必須要多說明的還有四件事情：

第一、在這個問題情境中，我們設定𝜃值為0.2，是為了簡化討論，你在實際使用類神經網路時可以任意調整𝜃值。

第二、我們設定𝛼值為0.2，也是為了簡化討論，你在實際使用類神經網路時可以任意調整𝛼值。

第三、我們設定類神經網路的起始權重為(w₁, w₂) = (0.3, 0.1)，這也是為了簡化討論，

實際上在應用類神經網路時，初始權重通常是亂數產生的。

第四、在這個問題情境中，我們挑選的激勵函數是步階函數，並且設定毛毛蟲為+1，瓢蟲為0，

同樣地，這在你實際使用類神經網路時，也都是可以任意調整的。

(按下進行迭代後，請仔細觀察訓練類神經網路的過程)

我們將訓練的過程，用表格的方式呈現在下方，

希望你體會過類神經網路的訓練過程後，可以再自己動動腦筋演算看看這個訓練過程，

雖然我們通常是撰寫程式交給電腦執行這整個過程，但自己動腦筋演算，

對於熟悉這個概念是有幫助的，試試看吧。

(附上前個章節介紹的學習演算法：w_new = w_i + 𝛼 * x_i * Error)

最後，我們再次呈現這個大家已經熟悉的頁面，

這個類神經網路與先前章節不同的就是，它多了一個修正權重的部分，

你可以一邊操作看看，一邊動動腦筋再演算幾次這個章節介紹的概念。

(試著在方格中輸入數字，並按下計算)

(重點提醒：雖然可以任意輸入期望輸出，但在使用步階函數的情況下，合理的期望輸出只有+1或0)

思考一下，回答問題

問題一

假設X = (0.2)·x₁ + (0.3)·x₂ - 2，

並且Y = step(X)，

設定學習率𝛼值為0.2。

(提示：誤差 = 期望輸出 - y值)

(提示：w_new = w_i + 𝛼 * x_i * Error)

試著算出表格中，A~P所代表的數字，

你可以試著自己計算看看，也可以試著使用上方的類神經網路計算。