30
Deo 4: potprogram učenja
n Eksperiment opisan u poslednjem delu odnosi se na ovu mrežnu strukturu. Ipak, devet ulaznih jedinica je upotrebljeno, t.j. jedna ulazna jedinica za svaku vrednost karakteristike (pogledati deo 3.5)
n Neuronska mreža je trenirana sa klasičnim “backpropagation” algoritmom [Rumelhart i McClelland 86]. Svaka odluka eksperta, koji je ili odabrao ili odbio vozača povezanog sa trenutnim ulaznim vektorom, iskorišćena je da poboljša tačnost mrežnog odgovora, i prilagodi težinu veza u slučaju greške. Kao što je pomenuto pre, greška je bazirana na razlici između odgovora mreže i željenog odabira. Ovde je željeni odabir postavljen na 1 za vozača odabranog od strane dispečera, a na 0 za drugačiji slučaj.
n Kada je jednom uvežbana, neuronska mreža može biti prilagođena novim primerima: odgovor koji je blizu 1 znači da vozač koji je povezan sa trenutnim ulaznim vektorom je dosta pogodan za usluživanje novog zahteva, dok vrednost blizu 0 znači suprotno. Primetimo da se izlazi neuronske mreže pojavljuju na prozoru 1 unutar kliznog ekrana NN (videti sliku 5).