Sztuczne sieci neuronowe 1

Nasza ocena:

3
Pobrań: 63
Wyświetleń: 763
Komentarze: 0
Notatek.pl

Pobierz ten dokument za darmo

Podgląd dokumentu
Sztuczne sieci neuronowe 1 - strona 1 Sztuczne sieci neuronowe 1 - strona 2 Sztuczne sieci neuronowe 1 - strona 3

Fragment notatki:

Wydział Zarządzania AGH Katedra Informatyki Stosowanej Sztuczne sieci neuronowe Inteligencja obliczeniowa Int el ige ncja   obl icz eni ow a  2 Sztuczne sieci neuronowe • Wprowadzenie • Trochę historii • Podstawy działania • Funkcja aktywacji • Typy sieci Int el ige ncja   obl icz eni ow a  3 Wprowadzenie • Zainteresowanie SSN wynika z potrzeby budowania  efektywnych systemów przetwarzania informacji opartych  na regułach neurofizjologii. Przetwarzanie w takich  systemach odbywa się w sposób równoległy w odróżnieniu  od klasycznych, sekwencyjnych systemów wywodzących  się z modelu von Neumanna. Spostrzeżenia:  tradycyjne systemy są mało wydajne,  mózg ludzki ma przewagę nad maszyną. • Często podkreślane podobieństwo do systemów bio- logicznych jest raczej nieuzasadnione, gdyż wciąż zbyt  mało wiemy o rzeczywistym funkcjonowaniu mózgu, a  sztuczne sieci są z pewnością znacznie uproszczonym  modelem systemu neuronów. Int el ige ncja   obl icz eni ow a  4 Wprowadzenie Synapse Dendrite Axon Soma Neuron Int el ige ncja   obl icz eni ow a  5 Wprowadzenie • Liczba neuronów: ~ 1010 • Liczba połączeń poj. neuronu: ~ 104  - 105 • Czas reakcji: ~ 0,001 sekundy • Liczba operacji neuronu: 10-100/s • Szybkość pracy mózgu ~ 1015 - 1017 op/s • W rezultacie: • czas rozpoznania obrazu: ~ 0,1 sekundy Int el ige ncja   obl icz eni ow a  6 Wprowadzenie - trochę historii • w 1943 McCulloch i Pitts opracowali matematyczny model  sztucznego neuronu. • w 1957 Rosenblatt zbudował pierwszy (hardwarowy)  model neuronu przeznaczony do rozpoznawania znaków  alfanumerycznych. • w 1969 Minsky i Papert udowodnili, że perceptron ma  bardzo ograniczone zastosowanie. • Lata 80. to model sieci wielowarstwowej i efektywny  algorytm uczenia sieci.  • Lata 90. - eksplozja. Ponad 80% firm z listy Fortune 500  ma programy R&D z dziedziny SSN: – tysiące publikacji, – komercyjne pakiety aplikacyjne. Int el ige ncja   obl icz eni ow a  7 Wprowadzenie • Sztuczna sieć neuronowa jest przykładem idei równoległego  przetwarzania rozproszonego i jako taka składa się z prostych  elementów przetwarzających (sztucznych neuronów), które  przesyłają między sobą sygnały na zasadzie ważonych połączeń.  • Podstawową cechą różniącą SSN od programów realizujących  algorytmiczne przetwarzanie informacji jest zdolność  generalizacji czyli uogólniania wiedzy dla nowych danych 

(…)

… sieci. Umożliwia to otrzymanie na wyjściu sieci
informacji ciągłej, a nie tylko postaci: TAK - NIE.
• Wymagane cechy funkcji aktywacji to:
funkcja ciągła w zadanym przedziale,
– łatwa do obliczenia i ciągła pochodna,
– możliwość wprowadzenia do argumentu parametru do
ustalania kształtu krzywej.
Inteligencja
obliczeniowa

17
Podstawy działania

Aktywacja i obliczanie wyjścia
1
1
1
0.5
Tanh
f(x…
… – przetwarza je
• Akson – dostarcza przetworzone informacje do innych neuronów
Inteligencja
obliczeniowa
Synapsa
• Synapsa – połączenie między synapsami i dendrytami różnych neuronów
9
Źródło: Angshuman Saha http://www.geocities.com/adotsaha/NNinExcel.html
Podstawy działania
Ciało
Dendryty
X2
Xp
Kierunek przepływu informacji
w1
w2
. wp
. w
0
.
X0 (Z)
Synapsy
I
f
I = w0X0 + w1X1 + w2X2
+ w3X3 +… + wpXp
O = f…
... zobacz całą notatkę



Komentarze użytkowników (0)

Zaloguj się, aby dodać komentarz