8 amaliy ish Mavzu : Neyrokompyuterlarning algoritmlari Ishning maqsadi

8 - amaliy ish
Mavzu : Neyrokompyuterlarning algoritmlari
Ishning maqsadi:Mavzu bo'yicha kerakli bilimlarni o'rganish va o'zlashtirish
Neyrokompyuter - bu ma'lum bir axborot muhitida ishlash sharoitida adaptiv javob tarzida usullar, qoidalar va ishlov berish algoritmlarini avtonom tarzda yaratishga qodir bo'lgan axborotni qayta ishlash tizimlarini yaratish texnologiyasi (masalan, neyron tarmoqlari). Neyrokompyuterlash bu printsipial jihatdan yangi yondashuv bo'lib, ushbu yondashuv doirasida ko'rib chiqilgan axborotni qayta ishlash tizimlari ilgari aytib o'tilgan tizim va usullardan sezilarli darajada farq qiladi. Ushbu texnologiya axborotni qayta ishlash uchun "o'rganish" qobiliyatiga ega bo'lgan, axborot muhitida ishlaydigan parallel, taqsimlangan, moslashuvchan axborotni qayta ishlash tizimlarini qamrab oladi.
Model neyron tarmoq ( sun'iy neyron tarmoq A ) - bu kirish signallari bo'yicha operatsiyalarni mahalliy ravishda bajaradigan va mahalliy xotiraga ega bo'lishi mumkin bo'lgan ishlov berish elementlaridan (neyronlardan) tashkil topgan parallel axborotni qayta ishlash tizimi. Elementlar bir-biriga bir tomonlama signalizatsiya kanallari bilan bog'langan. Har bir ishlov berish elementi bitta chiqishga ega, ba'zida bir nechta kanallarga (havolalarga) tarmoqlanadi, ularning har biri ishlov berish elementining bir xil chiqish (natijada) signalini olib yuradi. Olingan signalni shakllantirish qoidalari (element ichidagi ma'lumotlarni qayta ishlash qoidalari) juda xilma-xil bo'lishi mumkin, faqat ishlov berish mahalliy bo'lishi muhimdir. Bu shuni anglatadiki, ishlov berish elementga havolalar orqali keladigan kirish signallarining joriy qiymatlariga va elementning mahalliy xotirasida saqlanadigan qiymatlarga bog'liq bo'lishi kerak.
Ko'p qavatli pertseptron Shakl.

M- o'lchovli vektor X ni ba'zi bir p- o'lchovli vektor Y bilan bog'laydigan Y = f ( X ) funktsiyani ko'rib chiqing (1-rasm). Masalan, tasniflash masalasida X vektori m xususiyatlari bilan tavsiflangan tasniflangan ob'ekt ; vektor Y , bir-biri va nol qolgan iborat, qaysi sinf bir belgisi vektor X Allohnikidir (bir vositalari sinf soni o'rnini). F funktsiyasi har bir ob'ektga o'zi tegishli bo'lgan sinfni beradi.

Aytaylik, f funktsiyasini topishimiz kerak . Keling, misol qilib o'rganish usulidan foydalanaylik. Yi = f ( Xi ) funktsiyasining qiymati ma'lum bo'lgan Xi vektorlarning vakillik namunasi mavjud deb taxmin qilaylik . Juftliklar to'plami ( Xi , Yi ) mashqlar to'plami deb nomlanadi. Keling, tarmoq elementlari ("neyronlar") qanday joylashtirilganligini, elementlar orasidagi bog'lanishlar arxitekturasi qanday ekanligini va tarmoq qaysi qoidalarga muvofiq ravishda o'qitilishini aniqlab, ko'p qatlamli pertseptron deb nomlangan neyron tarmog'ini ko'rib chiqamiz. Tarmoq elementi diskret vaqt ichida ishlaydi va qabul qilingan signallar asosida hosil bo'lgan signalni hosil qiladi. Element bir nechta kirishga ega, ularning har biriga ma'lum bir "og'irlik" beriladi. Kirishlar tomonidan qabul qilingan signallar tegishli og'irliklarni hisobga olgan holda yig'iladi va yig'ilgan signal tetiklash chegarasi bilan taqqoslanadi. Agar umumiy signal chegara qiymatidan kam bo'lsa, unda element chiqadigan signal nolga yaqin yoki unga teng, aks holda signal birlikka yaqin. Muayyan vazifalarni hal qilish
Har qanday ma'lumotni tahlil qilish yoki qayta ishlash bilan bog'liq aniq bir muammoni hal qilishda, tahlil qilingan ma'lumotlar ko'p o'lchovli Evklid fazosining vektorlari bo'lib, ular ba'zi bir tarqatish funktsiyalariga muvofiq joylashgan deb taxmin qilish qulaydir. Bunday topshiriqlarning namunalariga fizik, biologik va boshqa tajribalar davomida olingan o'lchovlar, tibbiy diagnostika natijalari, telemetriya ma'lumotlari va boshqa ko'p narsalar kiradi. Biz har bir vektorni ob'ekt deb ataymiz, va vektorning koordinatalari - xususiyatlar. Bunday holda, xususiyatlar maydonining o'lchami (uni m bilan belgilang ) o'n mingga etishi mumkin. Masalan, tasvirning ketma-ket m piksellardagi yorqinligi yoki audio oqimdagi ketma-ket m nuqtalar. Boshqacha qilib aytganda, biz tarqatish funktsiyasiga muvofiq, ma'lum bir uzunlikdagi m vektorlarni hosil qiladigan tasodifiy ob'ekt generatorining ishlashi paytida ma'lumotlar paydo bo'ladi deb taxmin qilamiz .
Haqiqiy muammolarni echish tajribasi shuni ko'rsatadiki, ob'ektlar butun m
o'lchovli maydonni to'ldirmaydi , lekin, qoida tariqasida, past o'lchamga (o'nlab, yuzlab) ega bo'lgan ba'zi sirtda joylashgan. Bu shuni anglatadiki, asl ob'ektlarni aniqroq tavsiflaydigan bunday "umumlashtirilgan" xususiyatlar (dastlabki xususiyatlarning kombinatsiyasi) mavjud.
Ma'lumotlarni "tabiiy" koordinatalarga o'tish deb nomlangan kodlash usuli mavjud, ularni ma'lum ma'noda maqbul deb hisoblash mumkin. "Tabiiy" koordinatalar tizimining o'ziga xosligi isbotlangan, shuningdek, ma'lumki, bu koordinatalar bir qator muhim xususiyatlarga ega, masalan, "tabiiy" koordinatalardagi ob'ektlarning xususiyatlari juftlikdan mustaqil. "Tabiiy" koordinatalar ehtimollik taqsimotining keng klassi uchun ishlatilishi mumkin. "Tabiiy" koordinatalarni topish uchun replikativ (nusxa ko'chirish) neyron tarmoqlari deb ataladigan ma'lum tipdagi ko'p qavatli perceptronlardan foydalanish taklif etiladi. Ko'rsatilganki, adaptiv replikativ neyron tarmog'ini o'qitish jarayonida "tabiiy" koordinatalar tizimini qurish mumkin, bu mashg'ulotlar uchun foydalaniladigan ma'lumotlarga mos keladi. Ma'lum bo'lishicha, "tabiiy" koordinatalar tizimiga o'tish natijasida muammo hajmini nafaqat sezilarli darajada qisqartirish, balki dastlabki ma'lumotlarda bo'lishi mumkin bo'lgan shovqinlarni filtrlash ham mavjud. Tabiiy koordinatalar
M- o'lchovli kosmosdagi ba'zi ma'lumotlar generatorini ko'rib chiqing . Aytaylik, u yaratadigan ma'lumotlar butun maydonni to'ldirmaydi, faqat n o'lchamdagi ba'zi bir manifold , bu erda n << m . Ma'lumotlar joylashgan kollektor murakkab sirt sifatida ifodalanishi mumkin, uning har bir nuqtasi atrofida no'lchovli sharning yuzasiga o'xshashdir . Kollektorda o'rtacha qiymatlar ma'nosida generatorning dastlabki tarqatish funktsiyasiga o'zboshimchalik bilan yaqin bo'lgan tarqatish funktsiyasi mavjud deb ta'kidlashadi. Ushbu bayonot juda ko'p sonli xususiyatlar bilan ifodalanadigan dastlabki ma'lumotlar o'rniga ma'lumotlar generatorini kichik o'lchamdagi bo'shliqda ko'rib chiqishga imkon beradi. Ko'pgina amaliy muammolarda bu holat.
Tabiiy koordinatalar quyidagicha kiritiladi. N- o'lchovli manifoldning n o'lchovli birlik kubiga birma-bir uzluksiz xaritasini ko'rib chiqing . Bu shuni anglatadiki, n- o'lchovli manifoldda yotgan har bir X vektor n koordinatali vektor bilan ifodalanadi va har bir koordinat nol bilan bitta o'rtasida bir tekis taqsimlangan sondir. Tabiiy koordinatalar usuli bu asosiy komponentlar usulini umumlashtirishdir.
Tabiiy koordinatalar xuddi shu tarzda faqat ma'lumotlar kollektorining ichki, oldindan belgilangan, ehtimollik tuzilishiga bog'liq: birlik kub ichidagi teng hajmlar ma'lumotlar kollektoriga teng ehtimollik bilan to'plamlarga mos keladi, ammo ularning geometrik o'lchamlari sezilarli darajada farq qilishi mumkin. Biroq, dekart koordinatalarini ishlatadigan asosiy komponent tahlilidan farqli o'laroq, tabiiy koordinatalar turli xil ma'lumotlarning yanada murakkab ehtimoliy tuzilishini aks ettirishi mumkin.