В режиме обучения, кроме входных образов, сеть использует соответствующие им значения целевой переменной (предполагается, что используется обучение с учителем и рассматривается только одна прогнозируемая переменная - это наиболее национальная постановка задачи). В случае прогнозирования, входные образы - это наборы наблюдаемых и лагированных (наблюдаемых в предыдущие моменты времени, с заранее заданной временной задержкой) переменных, которые могут включать так же лаги самой прогнозируемой переменной. Значения целевой переменной - это наблюдаемые значения прогнозируемой переменной. В ходе обучения сеть меняет свои веса таким образом, чтобы минимизировать некоторый функционал качества (cost function), который показывает насколько точно сеть вычисляет значения целевой переменной на основании данных входных образов. Обычно в качестве cost function рассматривается среднеквадратическая ошибка (mse). После того как сеть обучена, её веса фиксируются и больше не меняются. В режиме моделирования значения целевой переменной уже не требуется, сеть сама вычисляет прогноз этого значения на основании исходных данных входного образа и настроенных при обучении весов. Собственно это и есть прогнозирование. Ошибку полученного прогноза можно оценить на основании значения cost function, достигнутого при обучении.
|