Muhammad al-xorazmiy nomidagi toshkent axborot texnologiyalari universiteti nukus filiali

Neyron tarmoqlari nima?

 

Har bir neyron maxsus nerv tolalari orqali qo'shni neyronlardan signal oladi. Ushbu signallar qo'zg'atuvchi yoki inhibitor bo'lishi mumkin. Ularning yig'indisi neyron tanasi ichidagi elektr potentsialidir. Potentsial ma'lum bir chegaradan oshib ketganda, neyron hayajonlangan holatga o'tadi va chiqadigan asab tolasi bo'ylab signal yuboradi. Shaxsiy sun'iy neyronlar bir-biri bilan har xil yo'llar bilan bog'lanadi. Bu sizga turli xil arxitektura, o'rganish qoidalari va imkoniyatlariga ega bo'lgan turli xil neyron tarmoqlarini yaratishga imkon beradi.

Ko'p odamlar "sun'iy neyron tarmoqlari" atamasini androidlar va robotlar qo'zg'oloni, odamlarni almashtiradigan va ularga taqlid qiladigan mashinalar haqidagi xayollar bilan bog'lashadi. Ushbu taassurotni ko'plab neyro tizimlarni ishlab chiquvchilar kuchaytirmoqda, yaqin kelajakda robotlar odamni kuzatib borish orqali har xil faoliyat turlarini qanday o'zlashtira boshlashlarini muhokama qilishmoqda. Agar biz kundalik ish darajasiga o'tsak, u holda neyron tarmoqlar bu faqat rasmiy neyronlarning o'zaro bog'liq oddiy elementlaridan iborat bo'lgan tarmoqlardir. Neyroinformatika bo'yicha ishlarning aksariyati bunday tarmoqlarda muammolarni hal qilish uchun turli algoritmlarni uzatishga bag'ishlangan.

Ushbu kontseptsiya neyronlarni etarlicha sodda avtomatlar tomonidan modellashtirish mumkin degan g'oyaga asoslanadi va miyaning butun murakkabligi, uning ishlash moslashuvchanligi va boshqa muhim fazilatlar neyronlar orasidagi bog'lanishlar bilan belgilanadi. Har bir havola signal uzatishga xizmat qiladigan juda oddiy element sifatida taqdim etiladi. Qisqacha aytganda, bu fikrni quyidagicha ifodalash mumkin: "ulanishlarning tuzilishi hamma narsa, elementlarning xususiyatlari hech narsa emas".

Miyaning tasvirlangan kontseptsiyasi bilan belgilanadigan g'oyalar va ilmiy-texnik yo'nalishlarning to'plami konnektizm deb ataladi. Bularning barchasi haqiqiy miya bilan xuddi prototipi bilan karikatura yoki karikaturaga o'xshashdir. Muhimi, asl nusxaga to'liq mos kelish emas, balki texnik g'oyaning mahsuldorligi.

Quyidagi fikrlar bloki konnektizm bilan chambarchas bog'liq:

tizimning bir xilligi (elementlar bir xil va nihoyatda sodda, hamma narsa birikmalar tuzilishi bilan belgilanadi);

ishonchsiz elementlarning ishonchli tizimlari va oddiy analog elementlardan "analog uyg'onish" dan foydalanish;

"Golografik" tizimlar, tasodifiy tanlangan qism yo'q bo'lganda, tizim o'z xususiyatlarini saqlab qoladi.

Aloqa tizimlarining keng imkoniyatlari noto'g'ri tanlangan elementlarning o'rnini qoplaydi, ularning ishonchsizligi va ba'zi bir aloqalarni buzilishi mumkinligi taxmin qilinadi.

Neyroinformatikadagi algoritmlar va qurilmalarni tavsiflash uchun maxsus "sxema" ishlab chiqilgan bo'lib, unda elementar qurilmalar (qo'shimchalar, sinapslar, neyronlar va boshqalar) muammolarni echishga mo'ljallangan tarmoqlarga birlashtirilgan. Ko'pgina yangi boshlanuvchilar uchun na neyron tarmoqlarning apparat ta'minotida, na professional dasturiy ta'minotda ushbu elementlarning alohida qism yoki blok sifatida bajarilishi shart emasligi ajablanarli ko'rinadi. Neyroinformatikada ishlatiladigan ideal sxemalar neyron tarmoqlari va ularning mashg'ulotlarini tavsiflash uchun maxsus til hisoblanadi. Dasturiy ta'minot va apparatni amalga oshirishda ushbu tilda berilgan tavsiflar boshqa darajadagi yanada qulay tillarga tarjima qilinadi.

Neyron (asab hujayrasi) bu axborotni qayta ishlaydigan maxsus biologik hujayradir (1-rasm). U hujayra tanasi yoki somadan va tashqi daraxtga o'xshash ikki turdagi shoxlardan: akson va dendritlardan iborat. Hujayra tanasiga irsiy xususiyatlar to'g'risidagi ma'lumotlarni o'z ichiga olgan yadro va neyron uchun zarur bo'lgan materiallarni ishlab chiqarish uchun molekulyar vositalarga ega bo'lgan plazma kiradi. Neyron dendritlar (qabul qiluvchilar) orqali boshqa neyronlardan signallarni (impulslarni) qabul qiladi va hujayra tanasi tomonidan hosil bo'lgan signallarni akson (transmitter) bo'ylab uzatadi, ular oxir-oqibat iplarga bo'linadi. Ushbu tolalarning uchida sinaps mavjud.

Sinaps - bu ikkita neyron orasidagi elementar tuzilish va funktsional birlik (bir neyronning akson tolasi va boshqasining dendriti). Impuls sinaptik uchiga yetganda, nörotransmitterlar deb ataladigan ba'zi kimyoviy moddalar ajralib chiqadi. Nörotransmitterlar sinaps turiga, qabul qiluvchi neyronning elektr impulslarini hosil qilish qobiliyatiga qarab, hayajonli yoki inhibe qiluvchi sinaptik yoriq orqali tarqaladi. Sinapsning ishlashini u orqali o'tadigan signallar orqali sozlash mumkin, shunda sinapslar ular ishtirok etgan jarayonlarning faolligiga qarab o'rganishi mumkin. Bu tarixga bog'liqlik, ehtimol, inson xotirasi uchun javobgar bo'lgan xotira vazifasini bajaradi.

Odamning miya yarim korteksi - bu qalinligi 2 dan 3 mm gacha bo'lgan, taxminan 2200 sm2 maydonga ega neyronlar tomonidan hosil bo'lgan kengaytirilgan sirt , bu standart klaviatura yuzasidan ikki baravar ko'pdir. Miya korteksida taxminan 1011 neyron mavjud bo'lib, bu Somon Yo'lidagi yulduzlar soniga teng. Har bir neyron boshqa 103-104 neyron bilan bog'langan. Umuman olganda, inson miyasi taxminan 1014 dan 1015 gacha bo'lgan o'zaro bog'liqlikni o'z ichiga oladi.

Neyronlar qisqa muddatli portlash orqali o'zaro ta'sir qiladi, odatda davomiyligi bir necha millisekundlar. Xabar impuls chastotasi modulyatsiyasi yordamida uzatiladi. Chastotasi bir necha birlikdan yuzlab gertsgacha bo'lishi mumkin, bu eng tezkor kommutatsiya elektron zanjirlaridan million marta sekinroq. Shunga qaramay, yuzni tanib olish kabi ma'lumotlarni idrok etish bo'yicha murakkab qarorlarni odam bir necha yuz millisekundalarda qabul qilishi mumkin. Ushbu qarorlar ish tezligi atigi bir necha millisekundaga teng bo'lgan neyronlar tarmog'i tomonidan boshqariladi. Bu shuni anglatadiki, hisoblash ketma-ket 100 ta qadamni talab qilmaydi. Boshqacha qilib aytganda, bunday murakkab vazifalar uchun miya taxminan 100 ta qadamni o'z ichiga olgan parallel dasturlarni "ishlaydi". Bu yuz qadam qoidasi sifatida tanilgan.Shu kabi fikr yuritib, bitta neyrondan ikkinchisiga yuborilgan ma'lumot miqdori juda oz (bir necha bit) bo'lishi kerakligini topishingiz mumkin. Bundan kelib chiqadiki, asosiy ma'lumotlar to'g'ridan-to'g'ri uzatilmaydi, balki ushlanib, neyronlar orasidagi bog'lanishlarda taqsimlanadi.

 

Sun'iy neyronlarning yaratilish tarixi 1943 yilda boshlanib, o'sha paytda Skotsman Makkullox va ingliz Pitts rasmiy neyron tarmoqlar nazariyasini yaratdilar va o'n besh yildan so'ng Rozenblatt keyinchalik neyrokompyuterning asosini tashkil etgan sun'iy neyronni (pertseptron) ixtiro qildi. .

Sun'iy neyron birinchi taxminiy sifatida biologik neyronning xususiyatlarini taqlid qiladi. Signallarning to'plami sun'iy neyronning kirish qismiga keladi, ularning har biri boshqa neyronning chiqishi hisoblanadi. Har bir kirish mos keladigan vaznga ko'paytiriladi, sinaptik kuchga o'xshash va barcha mahsulotlar birlashtirilib, neyronlarning faollashuv darajasini belgilaydi. 2-rasmda ushbu g'oyani amalga oshiradigan model ko'rsatilgan. Tarmoq paradigmalari juda xilma-xil bo'lsa-da, ularning deyarli barchasi ushbu konfiguratsiyaga asoslangan. Bu erda x1, x2, x3 ... xn deb belgilangan kirish signallari to'plami sun'iy neyronga beriladi. X vektor bilan birgalikda belgilangan ushbu kirish signallari biologik neyron sinapslariga tushadigan signallarga mos keladi. Har bir signal mos w1, w2, w3 ... wn og'irligiga ko'paytiriladi va SUM (moslashtiruvchi qo'shimchalar) deb belgilangan qo'shimchaga beriladi. Har bir vazn bitta biologik sinaptik bog'lanishning "kuchiga" mos keladi. (Yig'indagi og'irliklar to'plami W vektori bilan belgilanadi) Biologik element tanasiga to'g'ri keladigan yig'indilar bloki og'irlashtirilgan kirishni algebraik tarzda qo'shib, biz NET deb ataydigan chiqishni hosil qiladi. Vektorli yozuvlarda buni quyidagicha ixcham yozish mumkin.

bu erda T - bu ba'zi bir chegara qiymatlari yoki biologik neyronning chiziqli bo'lmagan o'tkazuvchanligini aniqroq simulyatsiya qiladigan va katta imkoniyatlarga ega bo'lgan asab tarmog'ini ifodalovchi funktsiya.

Agar F funktsiyasi NET qiymatining o'zgarish diapazonini toraytirsa, NET ning har qanday qiymatlari uchun OUT qiymatlari ma'lum bir cheklangan intervalga tegishli bo'lsa, u holda F "shartnoma tuzish" funktsiyasi deyiladi. "Siqilish" funktsiyasi ko'pincha 3-rasmda ko'rsatilgan logistik yoki "sigmoidal" (S shaklidagi) funktsiyadir. Ushbu funktsiya matematik tarzda quyidagicha ifodalanadi:
Elektron tizimlar bilan taqqoslaganda, faollashtirish funktsiyasini sun'iy neyronning chiziqli bo'lmagan kuchaytiruvchi xususiyati deb hisoblash mumkin. Daromad OUT o'sishining unga sabab bo'lgan kichik NET o'sishiga nisbati sifatida hisoblanadi. Bu egri chiziqning ma'lum bir qo'zg'alish darajasida qiyaligi bilan ifodalanadi va katta manfiy qo'zg'alishlardagi kichik qiymatlardan (egri chiziq deyarli gorizontal) nol qo'zg'alishdagi maksimal qiymatga o'zgaradi va qo'zg'alish katta ijobiy holatga kelganda yana kamayadi. Grossberg (1973) ushbu chiziqli bo'lmagan javob uning to'yingan shovqin muammosini hal qilishini aniqladi. Qanday qilib bir xil tarmoq ham zaif, ham kuchli signallarni boshqarishi mumkin? Zaif signallar ishlatilishi mumkin bo'lgan chiqish signalini berish uchun ko'plab tarmoq daromadlariga muhtoj. Shu bilan birga, kuchaytirgichning yuqori bosqichlari har qanday jismoniy tarmoqlarda mavjud bo'lgan kuchaytirgich shovqini (tasodifiy tebranishlar) bilan to'yingan bo'lishi mumkin. Kuchli kirish signallari, o'z navbatida, kuchaytirgich bosqichlarini to'ydiradi va chiqindidan foydali foydalanish imkoniyatlarini yo'q qiladi. Katta daromadga ega bo'lgan logistika funktsiyasining markaziy mintaqasi zaif signallarni qayta ishlash masalasini hal qiladi, ijobiy va salbiy uchlarda tushish kuchayadigan mintaqa katta hayajonlarga mos keladi. Shunday qilib, neyron kirish signallari darajasining keng doirasi bo'ylab katta kuchaytirish bilan ishlaydi.

Sun'iy neyronning ko'rib chiqilgan oddiy modeli uning biologik hamkasbining ko'plab xususiyatlarini inobatga olmaydi. Masalan, tizimning dinamikasiga ta'sir ko'rsatadigan vaqtni kechiktirishni hisobga olmaydi . Kirish signallari darhol chiqish signalini hosil qiladi. Eng muhimi shundaki, u ba'zi tadqiqotchilar hal qiluvchi deb hisoblaydigan chastotali modulyatsiya funktsiyasi yoki biologik neyronning sinxronlashtiruvchi funktsiyasi ta'sirini hisobga olmaydi. Ushbu cheklovlarga qaramay, ushbu neyronlardan qurilgan tarmoqlar biologik tizimga juda o'xshash xususiyatlarni namoyish etadi. Bunday tasodiflar tasodifiymi yoki model biologik neyronning eng muhim xususiyatlarini to'g'ri aks ettirganligi natijasimi, degan savolga faqat vaqt va izlanishlargina javob beradi.

 

Asosiy neyron tarmoq arxitekturalari

 
shakl.4 . Asosiy neyron tarmoq arxitekturalari

Har bir neyron maxsus nerv tolalari orqali qo'shni neyronlardan signal oladi. Ushbu signallar qo'zg'atuvchi yoki inhibitor bo'lishi mumkin. Ularning yig'indisi neyron tanasi ichidagi elektr potentsialidir. Potentsial ma'lum bir chegaradan oshib ketganda, neyron hayajonlangan holatga o'tadi va chiqadigan asab tolasi bo'ylab signal yuboradi. Shaxsiy sun'iy neyronlar bir-biri bilan har xil yo'llar bilan bog'lanadi. Bu sizga turli xil arxitektura, o'rganish qoidalari va imkoniyatlariga ega bo'lgan turli xil neyron tarmoqlarini yaratishga imkon beradi.

ANN (Sun'iy Neyron Tarmoq) ni sun'iy neyronlar tugun bo'lgan og'irlikdagi ulanishlarga ega bo'lgan yo'naltirilgan grafik sifatida tasavvur qilish mumkin. Aloqa arxitekturasiga ko'ra ANN-larni ikkita sinfga birlashtirish mumkin: beshta yo'naltirilgan tarmoqlar, ularda grafiklarda ilmoqlar mavjud emas, takrorlanuvchi tarmoqlar yoki qayta aloqa mavjud bo'lgan tarmoqlar. Ko'p qavatli perceptron deb ataladigan birinchi sinf tarmoqlarning eng keng tarqalgan oilasida neyronlar qatlamlarga joylashtirilgan va qatlamlar o'rtasida bir tomonlama aloqalarga ega. Rasmda har bir sinfning odatiy tarmoqlari ko'rsatilgan. Feedforward tarmoqlari statik bo'lib, ma'lum bir kirish uchun ular tarmoqning oldingi holatiga bog'liq bo'lmagan bitta chiqish qiymatlari to'plamini hosil qiladi. Qayta tiklanadigan tarmoqlar dinamikdir, chunki orqaga qaytarish tufayli neyronlarning kirishlari ularda o'zgartirilib, bu tarmoq holatining o'zgarishiga olib keladi.

 

To'liq ulangan neyron tarmoqlari.

Anjir. 4. To'liq ulangan neyron tarmoqlari

Bu erda har bir neyron o'zining signal signalini o'zi bilan birga qolgan neyronlarga uzatadi. Tarmoqning chiqish signallari tarmoqning bir necha soatlik tsikllaridan keyin neyronlarning chiqish signallarining barchasi yoki bir nechtasi bo'lishi mumkin. Barcha kirish signallari barcha neyronlarga o'tadi. Qatlamli va to'liq ulangan tarmoqlarning elementlari turli yo'llar bilan tanlanishi mumkin. Biroq, standart tanlov mavjud: kirish qismida moslashuvchan bir xil bo'lmagan chiziqli qo'shimchali neyron. To'liq ulangan tarmoq uchun neyronning kirish qo'shuvchisi aslida ikkiga bo'linadi: birinchisi tarmoqning kirish signallarining chiziqli funktsiyasini, ikkinchisi oldingi bosqichda olingan boshqa neyronlarning chiqish signallarining chiziqli funktsiyasini hisoblaydi. Neyronlarni faollashtirish funktsiyasi (xarakterli funktsiya) - qo'shimchining chiqish signalining chiziqli bo'lmagan konvertori. Agar funktsiya tarmoqdagi barcha neyronlar uchun bir xil bo'lsa, unda tarmoq bir hil (bir hil) deb nomlanadi. Agar xarakterli funktsiya, shuningdek, qiymatlari neyrondan neyrongacha o'zgarib turadigan bir yoki bir nechta parametrlarga bog'liq bo'lsa, u holda tarmoq geterogen (geterogen) deb nomlanadi.

Standart neyronlar tarmog'ini yaratish kerak emas. Qatlamli yoki to'liq to'rli me'morchiliklar ularda ishtirok etadigan elementlarga sezilarli cheklovlar qo'ymaydi.Arxitektura tomonidan tarmoq elementlariga qo'yiladigan yagona qat'iy talab - bu elementning kirish signallari vektori o'lchamining (u arxitektura bilan belgilanadi) uning kirish soniga mos kelishi. Agar to'liq ulangan tarmoq k k tsikllari uchun javob olishdan oldin ishlasa, u holda barcha qatlamlari bir xil bo'lgan va ularning har biri tsiklga to'g'ri keladigan k qatlamli tarmoqning maxsus holati sifatida ifodalanishi mumkin. to'liq ulangan tarmoqning ishlashi.

To'liq ulangan va qatlamli tarmoqlar orasidagi sezilarli farq, ishlash tsikllari soni oldindan cheklanmaganida aniq bo'ladi; qatlamli tarmoq bu tarzda ishlay olmaydi.

To'liqlik teoremalari isbotlangan: bir nechta o'zgaruvchining har qanday uzluksiz funktsiyasi uchun ushbu funktsiyani istalgan aniqlikda hisoblaydigan neyron tarmog'ini qurish mumkin. Shunday qilib, neyron tarmoqlar, ma'lum ma'noda, hamma narsani qila oladi.

 

Sun'iy asab tarmog'ini o'qitish

 

O'rganish qobiliyati miyaning asosiy xususiyatidir. ANN kontekstida o'quv jarayonini maxsus vazifani samarali bajarish uchun tarmoq arxitekturasini o'rnatish va ulanish og'irliklarini o'rnatish deb hisoblash mumkin. Odatda, asab tarmog'i mavjud o'quv namunasi uchun havola og'irligini moslashtirishi kerak. Tarmoqning ishlashi yaxshilanadi, chunki og'irliklar iterativ ravishda o'rnatiladi. Tarmoqning misollardan o'rganish xususiyati ularni mutaxassislar tomonidan tuzilgan ma'lum bir ishlash qoidalari tizimiga amal qiladigan tizimlarga nisbatan jozibador qiladi.

O'quv jarayonini loyihalashtirish uchun, avvalo, neyron tarmoq faoliyat ko'rsatadigan tashqi muhit modeli bo'lishi kerak - tarmoq uchun mavjud bo'lgan ma'lumotlarni bilish. Ushbu model ta'lim paradigmasini belgilaydi. Ikkinchidan, siz tarmoqning og'irliklarini qanday o'zgartirishni tushunishingiz kerak - qaysi o'rganish qoidalari sozlash jarayonini boshqaradi. Algoritmni o'rganish og'irliklarni o'rnatish uchun o'rganish qoidalaridan foydalanadigan protsedurani anglatadi.

Ta'limning uchta paradigmasi mavjud: "o'qituvchi bilan", "o'qituvchisiz" (o'z-o'zini o'rganish) va aralash. Birinchi holda, asab tarmog'ida har bir kirish namunasi uchun to'g'ri javoblar (tarmoq chiqishi) mavjud. Tarmoqlar ma'lum to'g'ri javoblarga iloji boricha yaqinroq javoblarni ishlab chiqaradigan qilib sozlangan. Nazorat ostidagi o'qitishning takomillashtirilgan versiyasi faqat neyron tarmoq chiqishi to'g'riligini tanqidiy baholash bilan ma'lum, ammo natijaning o'zi to'g'ri emas. Nazorat qilinmagan o'rganish o'quv majmuasining har bir misoli uchun to'g'ri javoblarni bilishni talab qilmaydi. Bunday holda, ma'lumotlar tizimidagi ichki ma'lumotlar strukturasi yoki namunalar o'rtasidagi o'zaro bog'liqlik aniqlanadi, bu namunalarni turkumlashga imkon beradi. Aralashtirilgan ta'limda ba'zi og'irliklar nazorat ostida o'rganish orqali aniqlanadi, qolganlari o'z-o'zini o'rganish orqali olinadi.

Ta'lim nazariyasi misol bilan o'rganish bilan bog'liq uchta asosiy xususiyatni ko'rib chiqadi: imkoniyatlar, namunaviy murakkablik va hisoblash murakkabligi.Imkoniyatlar deganda, tarmoqning qancha namunani yodlashi va unda qanday funktsiyalar va qarorlar qabul qilish chegaralarini shakllantirish mumkinligi tushuniladi.Namunalarning murakkabligi tarmoqning umumlashtirilishiga erishish uchun zarur bo'lgan o'quv misollarining sonini aniqlaydi. Juda oz sonli misollar, agar u bir qator statistik taqsimotga bog'liq bo'lgan sinov holatlarida yomon ishlayotgan bo'lsa, lekin u juda yaxshi ishlaydi. Ta'lim qoidalarining 4 asosiy turi mavjud: xatolarni tuzatish, Boltsman mashinasi, Xebb qoidasi va raqobatni o'rganish.

 

Xatolarni tuzatish qoidasi.

 

Nazorat ostidagi o'rganishda har bir misolga kerakli natijalar beriladi d. Tarmoqning haqiqiy chiqishi kerakli bo'lishi mumkin emas. Xatolarni to'g'rilashni o'rganish printsipi xatoni bosqichma-bosqich kamaytirish uchun og'irliklarni o'zgartirish uchun signal (dy) dan foydalanishdir. O'rganish faqat pertseptron noto'g'ri bo'lganda sodir bo'ladi. Ushbu o'quv algoritmining turli xil modifikatsiyalari ma'lum.

 

Boltzmann mashg'ulotlari.

 

Axborotning nazariy va termodinamik printsiplaridan kelib chiqadigan stoxastik ta'lim qoidasi. Boltsman mashg'ulotining maqsadi og'irliklarni ko'rinadigan neyronlarning holatlari kerakli ehtimollik taqsimotini qondiradigan qilib sozlashdir. Boltzmann treningini xatolarni tuzatishning alohida holati deb hisoblash mumkin, bunda xato ikki rejimdagi holat korrelyatsiyalari o'rtasidagi nomuvofiqlik deb tushuniladi.

 

Xebbning qoidasi.

 

Eng qadimgi o'qitish qoidasi - Xebbning o'qitish postulati. Xebb quyidagi neyrofiziologik kuzatuvlarga tayandi: agar sinapsning ikkala tomonidagi neyronlar bir vaqtning o'zida va muntazam ravishda otib yuborilsa, u holda sinaptik bog'lanish kuchi oshadi. Ushbu qoidaning muhim xususiyati shundaki, sinaptik vaznning o'zgarishi faqat ma'lum bir sinaps bilan bog'langan neyronlarning faolligiga bog'liq. Bu VLSI dasturida o'quv zanjirini ancha soddalashtiradi.

 

Raqobat mashg'ulotlari.

 

Bir vaqtning o'zida bir nechta chiqish neyronlari otilishi mumkin bo'lgan Hebb ta'limidan farqli o'laroq, raqobatdosh o'rganishda chiqish neyronlari otish uchun bir-biri bilan raqobatlashadi. Ushbu hodisa "hamma g'olib chiqadi" qoidasi sifatida tanilgan. Shunga o'xshash o'rganish biologik asabiy tarmoqlarda ham amalga oshiriladi. Raqobat orqali o'rganish kirish ma'lumotlarini klasterlash imkonini beradi: shunga o'xshash misollar tarmoq tomonidan korrelyatsiyalar bo'yicha guruhlanadi va bitta element bilan ifodalanadi. Trening davomida faqat "g'olib" neyronning og'irliklari o'zgartiriladi. Ushbu qoidaning ta'siri tarmoqdagi saqlangan namunadagi (g'olib neyronning ulanishlari og'irligi vektori) bunday o'zgarish tufayli erishiladi, bunda u kirish misoliga biroz yaqinlashadi.

 

Multiprotsessorli tezlashtirish platalari

 

Axborotni qayta ishlashning neyron tarmoq usullari xususiyatlaridan biri bu hisoblashlarning yuqori parallelligi va shuning uchun maxsus apparatni qo'llab-quvvatlash vositalaridan foydalanishning maqsadga muvofiqligi. Ko'rib chiqilgan muammolarni hal qilishda muvaffaqiyat qozonishning aksariyati asl tezlatgich taxtalaridan foydalanish bilan bog'liq. Bunday taxtalar oddiy kompyuter protsessori bilan parallel ravishda ishlaydi va asosiy hisoblash yukini ko'taradi, kompyuterning asosiy protsessorini tezlashtiruvchi platada joylashgan kuchli hisoblash moslamalarini boshqarish va ularga xizmat ko'rsatish moslamasiga aylantiradi.

Masalan, STC "Module" MTs5.001 va MTs5.002 multiprotsessorli tezlashtiruvchi platalarini ishlab chiqdi. Ulardan birinchisi soat chastotasi 50 MGts va eng yuqori ko'rsatkichi 275 MIPS bo'lgan 4 ta TMS320C40 mikroprotsessorini o'z ichiga oladi. Har bir protsessor o'zining 1 MB hajmdagi mahalliy statik xotirasiga ega. 2 protsessor qo'shimcha ravishda har biri 16 MB hajmdagi 2 ta dinamik xotiraga ulangan. Shuningdek, protsessorlardan biriga 1 Mbaytli statik xotira ulangan bo'lib, u kompyuter bilan ma'lumot almashish uchun ishlatiladi. Protsessorlar bir-birlari bilan har birining o'tkazuvchanligi 20 MB / s bo'lgan yuqori tezlikda ishlaydigan maxsus kanallar bilan bog'langan. Kengash va taxtalarni birlashtirish ISA shinasi yordamida kompyuterning anakartida amalga oshiriladi.

MC5.002 tezlatgich platasi 6 ta TMS320C40 protsessorini o'z ichiga oladi va VME dizaynida ishlab chiqarilgan bo'lib, uni samolyotda joylashgan bort tizimlarida ishlatishga imkon beradi.

Xulosa

 

Neyrokompyuterlar bir vaqtning o'zida bir nechta fanlarning tadqiqot predmeti hisoblanadi, shuning uchun neyrokompyuterning yagona ta'rifi faqat fanning turli sohalariga mos keladigan har xil qarashlarni hisobga olgan holda berilishi mumkin.

Matematik statistika. Neyrokompyuterlar - bu tasodifiy jarayonlarning tavsiflarini va umuman qabul qilinganidan farqli o'laroq, murakkab, ko'pincha multimodal yoki umuman apriori noma'lum tarqatish funktsiyalariga ega bo'lgan tasodifiy jarayonlar to'plamini shakllantirishga imkon beradigan tizimlar.

Matematik mantiq va avtomatlar nazariyasi. Neyrokompyuterlar - bu masalani echish algoritmi ma'lum turdagi elementlarning mantiqiy tarmog'i - AND, OR, NOT tipidagi mantiqiy elementlardan to'liq rad etish bilan ifodalanadigan tizimlar. Natijada, alohida ko'rib chiqish predmeti bo'lgan elementlar o'rtasida o'ziga xos aloqalar o'rnatildi.

Boshqarish nazariyasi. Boshqarish ob'ekti sifatida maxsus holat tanlanadi, yaxshi rasmiylashtirilgan ob'ekt ko'p qavatli asab tarmog'i va uni sozlashning dinamik jarayoni bu muammoni hal qilish jarayoni. Bunday holda, adaptiv boshqaruv tizimlarini sintez qilish uchun deyarli barcha apparatlar ma'lum bir boshqarish ob'ekti sifatida asab tarmog'iga o'tkaziladi.

Hisoblash matematikasi. Muammoni hal qilishning klassik usullaridan farqli o'laroq, neyrokompyuterlar neyron tarmoqlari ko'rinishida taqdim etilgan muammolarni hal qilish algoritmlarini amalga oshiradilar. Ushbu cheklash boshqa jismoniy dasturlarga qaraganda ko'proq parallel algoritmlarni ishlab chiqishga imkon beradi.Muammoni hal qilish uchun ko'plab neyron tarmoq algoritmlari hisoblash matematikasining yangi istiqbolli tarmog'ini tashkil etadi, bu an'anaviy ravishda neyromatematik deb nomlanadi.

Kompyuter muhandisligi. Neyrokompyuter - bu ikkita asosiy texnik echimni amalga oshiradigan MSIMD arxitekturasiga ega hisoblash tizimi.

bir hil strukturaning ishlov berish elementi neyron darajasiga qadar soddalashtirilgan va elementlar orasidagi bog'lanishlar keskin murakkablashgan;

hisoblash strukturasini dasturlash protsessor elementlari orasidagi og'irlik ulanishlarini o'zgartirishga o'tkazildi.

Tibbiyot (neyrobiologik yondashuv). Neyrokompyuter - bu hujayra yadrosi, aksonlar va dendridlarning o'zaro ta'sir modelini, sinaptik birikmalar (sinapslar) bilan bog'langan (ya'ni asab to'qimalarida sodir bo'ladigan biokimyoviy jarayonlarning modeli) vakili bo'lgan hisoblash tizimi.

Neyrokompyuterning umumiy ta'rifini quyidagicha taqdim etish mumkin. Neyrokompyuter - bu neyron tarmoq mantiqiy asoslarida keltirilgan algoritmlarning bajarilishiga mos keladigan apparat va dasturiy ta'minot arxitekturasiga ega hisoblash tizimi.

Amaldagi manbalar:

 

1. https://www.osp.ru

2. https://www.bmstu.ru

3. https://neurnews.iu4.bmstu.ru

4. https://www.module.ru.