|
Guruch. 5.
Yuqoridan pastga og'irlik vektor w j kirish qatlamining j elementiga mos keladi va pastdan yuqoriga og'irlik vektori i chiqish elementi bilan bog'langan; i - w i ning normallashtirilgan versiyasi. W j vektorlari klasterlarning prototiplarini saqlaydi. Normallashtirishning roli katta uzunlikdagi vektorlarning kichik uzunlikdagi vektorlarga ustunlik qilishiga yo'l qo'ymaslikdir. Qayta tiklash signali R faqat o'xshashlik berilgan darajadan past bo'lganda hosil bo'ladi.
ART1 modeli yangi toifalarni yaratishi va tarmoq o'z imkoniyatlarini tugatgandan so'ng kiritilgan misollarni o'chirishi mumkin. Biroq, tarmoq tomonidan topilgan toifalar soni o'xshashlik parametriga sezgir.
Hopfield tarmog'i
Xopfild energiya funktsiyasidan takrorlanuvchi tarmoqlarni qurish va ularning dinamikasini tushunish uchun vosita sifatida foydalangan. Xopfildning rasmiylashtirilishi ma'lumotni dinamik barqaror jalb qiluvchilar sifatida saqlash tamoyilini aniq ko'rsatdi va assotsiativ xotira va kombinatsion optimallashtirish muammolarini hal qilish uchun takroriy tarmoqlardan foydalanishni ommalashtirdi.
Tarmoq holatining dinamik o'zgarishi kamida ikkita usulda amalga oshirilishi mumkin: sinxron va asinxron. Birinchi holda, barcha elementlar har bir vaqt bosqichida bir vaqtning o'zida o'zgartiriladi, ikkinchisida, har bir daqiqada bitta element tanlanadi va qayta ishlanadi. Ushbu element tasodifiy tanlanishi mumkin. Energiya funksiyasining asosiy xossasi shundan iboratki, tarmoq holatlarining tenglamaga muvofiq evolyutsiya jarayonida u kamayadi va mahalliy minimumga (attraktor) etadi, bunda u doimiy energiyani saqlaydi.
Assotsiativ xotira
Agar tarmoqda saqlangan naqshlar jalb qiluvchi bo'lsa, u assotsiativ xotira sifatida ishlatilishi mumkin. Saqlangan namunani jalb qilish sohasidagi har qanday misol uni tiklash uchun ko'rsatgich sifatida ishlatilishi mumkin.
Assotsiativ xotira odatda ikkita rejimda ishlaydi: saqlash va olish. Saqlash rejimida tarmoqdagi havolalarning og'irliklari shunday aniqlanadiki, attraktorlar saqlanadigan p n o'lchovli namunalar to'plamini (x 1 , x 2 ,..., x p ) eslab qolishadi. Ikkinchi rejimda kirish misoli tarmoqning boshlang'ich holati sifatida ishlatiladi, so'ngra tarmoq uning dinamikasiga ko'ra rivojlanadi. Chiqish namunasi tarmoq muvozanat holatiga kelganda o'rnatiladi.
n ta ikkilikli tarmoqda nechta misolni saqlash mumkin? Boshqacha qilib aytganda, tarmoqning saqlash hajmi qanday? Bu chekli, chunki n ta ikkilik elementli tarmoq maksimal 2n ta turli holatga ega va ularning hammasi ham attraktor emas. Bundan tashqari, hamma ham foydali namunalarni saqlay olmaydi. Soxta attraktorlar ham namunalarni saqlashi mumkin, ammo ular o'quv namunalaridan farq qiladi. Hopfild tarmog'i saqlashi mumkin bo'lgan tasodifiy namunalarning maksimal soni Pmax (0,15 n. Saqlangan namunalar soni p (0,15 n) bo'lganda, eng muvaffaqiyatli ma'lumotlarni eslab qolishga erishiladi. Agar saqlangan namunalar bilan ifodalangan bo'lsa. ortogonal vektorlar (tasodifiydan farqli o'laroq), keyin xotirada saqlanadigan namunalar soni ko'payadi. p tarmoq sig'imiga yetganda soxta attraktorlar soni ortadi. Xopfild tarmog'ining xotira hajmini oshirish uchun bir nechta o'rganish qoidalari taklif qilingan. .P n-bitli misollarni saqlash uchun tarmoq 2n ulanishni amalga oshirishi kerakligini unutmang.
Energiyani minimallashtirish
Xopfild tarmog'i energiyani kamaytirish yo'nalishi bo'yicha rivojlanadi. Bu, agar ular energiyani minimallashtirish masalalari sifatida shakllantirilsa, kombinatoriy optimallashtirish muammolarini hal qilish imkonini beradi. Xususan, sayohatchi sotuvchi muammosi ham xuddi shunday shakllantirilishi mumkin.
Ilovalar
Maqolaning boshida turli xil ANN ilovalarining 7 sinfi tasvirlangan. Shuni yodda tutish kerakki, haqiqiy muammolarni muvaffaqiyatli hal qilish uchun tarmoq modeli, uning hajmi, faollashtirish funktsiyasi, o'qitish parametrlari va o'qitish misollari to'plamini o'z ichiga olgan bir qator xususiyatlarni aniqlash kerak. Oldinga uzatish tarmoqlarining amaliy qo'llanilishini ko'rsatish uchun belgilar tasvirini aniqlash muammosini ko'rib chiqing (matnning skanerlangan tasvirini qayta ishlash va uni matn shakliga o'tkazishdan iborat OCR vazifasi).
OCR tizimi
OCR tizimi odatda oldindan ishlov berish, segmentatsiyalash, xususiyatlarni ajratib olish, tasniflash va kontekstli ishlov berish bloklaridan iborat. Qog'oz hujjat skanerlanadi va kulrang yoki ikkilik (qora va oq) tasvir yaratiladi. Oldindan ishlov berish bosqichida shovqinni yo'qotish uchun filtrlash qo'llaniladi, matn maydoni mahalliylashtiriladi va global va mahalliy moslashuvchan chegara konvertori yordamida ikkilik tasvirga aylantiriladi. Segmentatsiya bosqichida matn tasviri alohida belgilarga bo'linadi. Bu vazifa, ayniqsa, qo'shni belgilar orasidagi havolalarni o'z ichiga olgan qo'lda yozilgan matn uchun qiyin. Samarali usullardan biri kompozit namunani kichik namunalarga bo'lish (oraliq segmentatsiya) va namuna klassifikatorining chiqishi yordamida to'g'ri segmentatsiya nuqtalarini topishdir. Turli xil egilish, buzilish, shovqin va yozish uslublari tufayli segmentlangan belgilarni tanib olish oson ish emas.
Hisoblash sxemalari
Shaklda. 6 OCR tizimlarida ANN dan foydalanishning ikkita asosiy sxemasini ko'rsatadi. Birinchisi aniq xususiyatlarni ajratib olishni amalga oshiradi (neyron tarmoqda bo'lishi shart emas). Misol uchun, bu kontur bo'ylab bypass belgilari bo'lishi mumkin. Tanlangan xususiyatlar ko'p qatlamli oldinga uzatish tarmog'ining kirishiga beriladi. Ushbu sxema turli xil funktsiyalardan foydalanishda moslashuvchan. Boshqa sxema aniq ma'lumotlardan xususiyatlarni ajratib ko'rsatmaydi. Xususiyatlarni ajratib olish bevosita ANNning yashirin qatlamlarida sodir bo'ladi. Ushbu sxemaning qulayligi shundaki, xususiyatlarni ajratib olish va tasniflash birlashtiriladi va mashg'ulotlar bir vaqtning o'zida sodir bo'ladi, bu optimal tasniflash natijasini beradi. Biroq, sxema birinchi holatdan ko'ra kattaroq tarmoq hajmini talab qiladi.
Do'stlaringiz bilan baham: |
