border=0

Teoretyske fûneminten fan de bou en operaasje fan keunstmjittige neuron-like apparaten

<== foarige artikel | Folgjende artikel ==>

De McCulloch-Pitts wiskundige neuron, in formele neuron is in keunstmjittige neuronale netwurkknop, dat in simpelearre model fan in natuerlik neuron is.

In wiskundige, keunstmjittige neuron wurdt meastentiids fertsjintwurdige as in net-lineêre funksje fan in inkele argumint - in lineêre kombinaasje fan alle ynputssignalen. Dizze funksje wurdt de aktivearringfunksje of triggerfunksje neamd, de transferfunksje . It resultaat wurdt stjoerd nei in ienige útfier. Sokke keunstmjittige neuronen ferienigje yn in netwurk - se ferbine de útfieringen fan guon neuronen mei de ynputs fan oaren.

Fig. 12.5 Kearnferskynsel

1 - Neuronearjende neurons, de útfier fan dat wurdt oan de ynfier fan dizze neuron fedd. 2 - Adder fan yngongen sinjalen. 3 - Calculator transfer function. 4 - Neurons, nei de ynputs wêrfan it útgongssignal fan dit neuron fed is. 5 - wi - gewichten fan ynputssignalen.

In wiskundige model fan in keunstmjittige neuron waard foarsteld troch W. McCulloch en W. Pitts mei in netwurkmodel besteande út dizze neuronen. De auteurs hawwe oanjûn dat it netwurk op sokke eleminten nûmerike en logyske operaasjes útfiere kin. Yn 'e praktyk waard it netwurk ynset troch Frank Rosenblatt yn 1958 as kompjûterprogramma, en letter as elektroanysk apparaat - in perceptroan ( wittenskip wurdt oerset as sensibiliteit, dus it perceptron is in sensory systeem).

Yn it earstoan koe in neuron allinich operearje mei sinjalen fan in logyske nul en in logyske ienheid, omdat it op basis fan in biologyske prototype boud waard, dy't allinich yn twa steaten bestean kinne - opfrege of net eksekutearre.

De ûntwikkeling fan neuronale netwurken hat te sjen dat it neuron net allinich mei binêre sinjalen wurket, mar ek mei kontinulearre (analogen) sinjalen . Sokke generalisearring fan it neuroanomodel waard makke troch Widrow en Hoff, dy't de logistyske krom as in funksje fan 'e neuron-útwurking oanstelde .

Ferbiningen wêrmei de útfieringssignalen fan guon neuroanen komme by de yngongen fan oaren wurde faak synapses neamd, troch analogy mei de ferbiningen tusken biologyske neuronen.

Elke ferbining is karakterisearre troch it gewicht. Ferbiningen mei in posityf gewicht wurde ferrassend neamd, en mei in negatyf gewicht wurde se ynhierber neamd.

In neuron hat ien útgong, faak hjit in axon, troch analogy mei in biologyske prototype. Mei in ienige útfier fan 'e neuron kin it sinjaal ferstjoere wurde oan in willekeurige tal yngongen fan oare neuronen.

Matematysk, in neuron is in adder , de iennichste útfier is bepaald troch syn ynputs en de wittingsmatrix as folget:

hjir en - respektivelik de sinjalen by de yngongen fan it neuron en it gewicht fan de ynputs.

Mooglike wearden fan 'e sinjalen by de yngongen fan' e neuron binne altyd yn it ynterval [0,1], se kinne wurde diskreet (nul of ien), of analog. Oanfoljende yngong en it oerienkommende gewicht wurdt brûkt om de neuron te initialisearjen. Troch it ynisjalisearjen is bedoeld it ferfangen fan de aktivearringfunksje fan 'e neuron oan' e horizontale as, dat is de formaasje fan 'e drompel fan sensibiliteit fan' e neuron. Dêrnjonken wurdt, soms ta de útfier fan in neuron, in bepaalde willekeurige wearde spesjaal tafoege.

De transferfunksje bepaalt de ôfwikkeling fan it sinjaal by de útfier fan 'e neuron op' e gewichtde sum fan 'e sinjalen by syn ynputs. Yn 'e measte gefallen is it monotonysk ferheegjen en hat in berik fan [-1,1] of [0,1], mar der binne útsûnderings. Ek foar guon netwurklernalgoritmen is it needsaaklik dat it troch de hiele nûmerachts kontinu oar te ûnderskiedber is. In keunstmjittige neuron is folslein karakterisearre troch syn transferfunksje. It gebrûk fan ferskate transferfunksjes liedt ta net-lineariteit yn te fieren yn it wurk fan it neuron en it folsleine neuronale netwurk.

Ynienen binne neuroanen klassifisearre op basis fan harren posysje yn 'e netwurk topology. Share:

Ynfiernurons - nimme de boarne fektor kodearring fan it ynfierssignal. Yn'e rigel neame dizze neurons gjin komputaasje-operaasjes, mar simpelje it ûntfongen ynfierssignal nei de útfier, eventueel it fersterkjen of it swakjen.

Utfiernurons - fertsjinje de útfieringen fan it netwurk. Yn 'e útfier neuroanen kinne guon komputearjende operaasjes útfierd wurde.

· Intermediate neurons - útfiere basis-komputearjende operaasjes.

De wichtichste types fan neuronferfierfunksjes binne :

Lineêre aktivearringfunksje mei sêding;

Lineêre transferfunksje.

Fig. 12.6 Typen fan transferfunksjes fan neurons (linear, threshold, sigmoïde).

It sinjaal op 'e útfier fan' e neuron is linear ferhâlde mei de gewichtde som fan 'e sinjalen by syn ynput.

Yn keunstmjittige neuronale netwurken mei in lizze struktuer neurons mei transferfunksjes fan dit type foarmje yn 't regel de ynputskleur. Neist in ienfâldige lineêre funksje kinne har modifikaasjes brûkt wurde.

De neidielen fan 'e stepping en semilineare aktivearring funksjes relatyf oan' e linearene kinne wurde neamd as it feit dat se net ferskille op de folsleine numerike as, en dus kin net brûkt wurde as trening mei guon algoritmen.

De drompelferfierfunksje is in differinsjaal. Oant it gewichtde sinjaal by de ynfier fan 'e neuron rint op in bepaald nivo - it sinjaal by de útfier is nul. Sels as it sinjaal by de ynfier fan 'e neuron it spesifike nivo grutter hat, feroaret it útfieringssignal abrupt troch ien.

De earste fertsjintwurdiger fan skreaune keunstmjittige netwurken - it perceptro bestie útinoar fan neuronen fan dit type.

Troch it feit dat dizze funksje net ûnderskiedber is op 'e folsleine abscissa-aspekten, kin it net brûkt wurde yn netwurden dy't troch it werombredrearrel-flater-algoritme en oare algoritme ferplicht wurde dy't de differinsierberens fan de transferfunksje freegje.

Sigmoidalferfierfunksje is ien fan 'e meast brûkte types fan transfermotoren op it stuit. De ynfiering fan sigmoidale funksjes waard troch de beheiningen fan neuronale netwurken mei in drompel-neuronaktivaasjefunksje. Mei dizze aktivearjende funksje is elk fan 'e netwurkútfieringen lykweardich as nul of ien, dy't it brûken fan netwurken beheine. It gebrûk fan sigmoidale funksjes makket it mooglik om te feroarjen fan binêre útfieringen fan 'e neuron oan analogen. Transmissionfunksjes fan dit type binne, yn regel, ynherinte yn neurons dy't yn 'e ynterne lagen fan it neuronale netwurk sitte.

Logistyske funksje. Matheftich kin dizze funksje útdrukt wurde as:

Hjirnei is A de parameter fan 'e funksje dy't syn stepping bepaalt.

As A neamt nei Unbegryp, wurdt de funksje yn ien threshold degradearre. As A = 0 silt de sigmoïde yn in konstante funksje mei in wearde fan 0,5. It berik fan wearden fan dizze funksje is yn it ynterval (0,1). In wichtich foardiel fan dizze funksje is de ienfâld fan syn derivative:

It feit dat de derivaat fan dizze funksje útdrukt wurde kin wat it gebrûk fan dizze funksje hat by it trainearjen fan in netwurk mei it backpropagation-algoritme. In eigenskip fan neuronen mei sa'n transferinsje-karakteristyk is dat se sterke sinjalen sterke minder as swakken fersterkje, om't de gebieten fan sterke sinjalen oan sanlike eigenskippen passe. Dit foarkomt saturation fan grutte sinjalen.

De hjirboppe neamde funksjes binne allinich in part fan de opset fan funksjes dy't op it stuit brûkt wurde. Oare transfer-funksjes binne ûnder oaren: eksponint f (x) = exp (- Ax); trigonometric sinus; modulêr: ; kwadratysk.

In neuron mei in drompelferfierfunksje kin simpel ferskate logyske funksjes simulearje.

Fig. 12.7 Schermen fan neuroanen modelle logyske funksjes:

"En", "ODER", "NICHT".

De bylden sjogge hoe't it mooglik is, troch de gewichten fan 'e ynfier-sinjalen en de sensitiviteit-threshold te setten, om de neuron oan te twingen om in konjunksje (logikaal "EN") en disjunction (logikaal "ODER") út te fieren op' e ynfiersignalen, en ek in logyske negaasje fan it ynfierssignale. Dizze trije operaasjes binne genôch om alle logyske funksje fan elke oantal arguminten absolute simulare.

Neuronale netwurken dy't boud binne op keunstmjittige neuronen jouwe in oantal sinnen oan, dy't sizze dat har struktuer fergelykber is mei de harsensstruktuer fan libjende organismen. Dochs, ek op it leechste nivo fan keunstmjittige neurons, binne grutte signifietingen. Bygelyks is in keunstmjittige neuron in inertialissysteem, dus it útfalsignal ferskynt simultaneesk mei it uterlik fan sinjalen oan 'e ynfier, dy't hielendal net karakteristyk is foar in biologyske neuron.

<== foarige artikel | Folgjende artikel ==>





Sjoch ek:

Praktyske útfiering fan elektro-mikroskopy

Nuclear gamma resonânsje

Physysk aard fan 'e tunnel-effekt

Bragg-metoade

Untwerpmerken en basissynhâlden fan mikroelektromechanyske apparaten

Quantum-meganyske ferklearring fan it ferskynsel fan superkonduktiviteit

Meitsjen fan metoaden mei feiligens basearre sensoren

It gebrûk fan chaos foar it befoarderjen fan ynformaasje oer communications lines

Apparat en prinsipe fan operaasje fan in biologyske neuron

Literatuer

Effekt fan oerflakplasmon resonânsje

Josephson effekt

Werom nei ynhâldsopjefte: Moderne fûnemintele en tapastlike ûndersyk yn ynstruminten

Views: 5717

11.45.9.61 © edudocs.fun is net de auteur fan de materialen dy't ynbrocht binne. Mar leveret de mooglikheid fan fergees gebrûk. Is der in fertsjinwurdiging fan 'e autoriteit? Skriuw ús | Feedback .