UNIVERSITA' DEGLI STUDI DI PAVIA - Robotica

dipende fortemente dal tipo di funzione da approssimare e dal numero di training
samples forniti. Caso per caso è necessario individuare il numero corretto di
neuroni da porre nello strato nascosto.
4.8.1 Test sul β delle sigmoidi
I risultati più interessanti sono stati ottenuti testando l’influenza del
coefficiente β della sigmoide sull’apprendimento della rete. Variare il parametro
in questione significa avere delle sigmoidi che cambiano forma, passando da un
andamento quasi a scalino (per β elevati) ad un andamento quasi rettilineo (per
β molto bassi). In figura 4.8 è possibile osservare diverse sigmoidi ottenute
variando β .
1
0.9
0.8
0.7
0.6
0.5
0.4
0.3
0.2
0.1
Sigmoid function
0
-5 -4 -3 -2 -1 0 1 2 3 4 5
Figura 4.8. Sigmoidi al variare del parametro β .
Quello che si è notato è che aumentando β , a parità di tutti gli altri
parametri, la velocità di convergenza verso il minimo dell’errore totale aumenta.
Quindi è possibile velocizzare l’apprendimento utilizzando dei valori di β
89
0.2
0.5
1
2
5
10
20