olema võrdne funktsiooni g(x) väärtusega d (või temast kuivõrd võimalikult lähedal): g(x) g (x) ≈ nn, kus ) g (x nn on närvivõrguga realiseeritav funktsioon. Lähendamise ülesande lahendamiseks kasutatakse õpetamise algoritme (supervised learning). Modelleerimine on lähendamise erijuhtum. 2. Assotsiatsioon Saab eraldada kaht erinevat assotsiatsiooni ülesannet: autoassotsiatsioon ja heteroassotsiatsioon. Närvivõrgu autoassotsiatsiooni ülesandeks on pidada meeles hulka vektoreid. Need vektorid antakse tema sisenditele järjestikult. Siis esitatakse närvivõrgule vektorid koos müraga (rikutud vektorid) ja närvivõrk peab leidma ja andma väljundile temale vastava originaalse vektori (ilma mürata). On ilmne, et selle ülesande puhul võrgu sisendite arv peab olema võrdne tema väljundite arvuga. Autoassotsiatsiooni ülesande lahendamiseks kasutatakse iseõppimise algoritme (unsupervised learning)
g ( x) g nn ( x) , (1.23) kus g nn ( x) on närvivõrguga realiseeritav funktsioon. Lähendamise ülesande lahendamiseks kasutatakse õpetamise algoritme (supervised learning). Modelleerimine on lähendamise erijuhtum (vt. peatükk 4). 2. Assotsiatsioon Saab eraldada kaht erinevat assotsiatsiooni ülesannet: autoassotsiatsioon ja heteroassotsiatsioon. Närvivõrgu autoassotsiatsiooni ülesandeks on pidada meeles hulka vektoreid. Need vektorid antakse tema sisenditele järjestikult. Siis esitatakse närvivõrgule vektorid koos müraga (rikutud vektorid) ja närvivõrk peab leidma ja andma väljundile temale vastava originaalse vektori (ilma mürata). On ilmne, et selle ülesande puhul võrgu sisendite arv peab olema võrdne tema väljundite arvuga. Autoassotsiatsiooni ülesande lahendamiseks kasutatakse iseõppimise algoritme (unsupervised learning)
g ( x) g nn ( x) , (1.23) kus g nn ( x) on närvivõrguga realiseeritav funktsioon. Lähendamise ülesande lahendamiseks kasutatakse õpetamise algoritme (supervised learning). Modelleerimine on lähendamise erijuhtum (vt. peatükk 4). 2. Assotsiatsioon Saab eraldada kaht erinevat assotsiatsiooni ülesannet: autoassotsiatsioon ja heteroassotsiatsioon. Närvivõrgu autoassotsiatsiooni ülesandeks on pidada meeles hulka vektoreid. Need vektorid antakse tema sisenditele järjestikult. Siis esitatakse närvivõrgule vektorid koos müraga (rikutud vektorid) ja närvivõrk peab leidma ja andma väljundile temale vastava originaalse vektori (ilma mürata). On ilmne, et selle ülesande puhul võrgu sisendite arv peab olema võrdne tema väljundite arvuga. Autoassotsiatsiooni ülesande lahendamiseks kasutatakse iseõppimise algoritme (unsupervised learning)
annaabi.ee 
