20
Neyronun çıxış qiyməti isə giriş parametrləri f
i
fnksiyalarının verdiyi qiymətlər
olan n-ölçülü g(y
1
, y
2
, ..., y
n
)
funksiyasıdır. g funksiyası kimi çox hallarda
g(l)=1/(1+e
-1
)
siqmoid funksiyası götürülür. Burada l, f funksiyalarının bütün
ə
laqələr üçün qiymətləri və müəyyən bir Ө sabitinin cəmidir: l =∑f
i
(x
i
)+Ө
.
Ө tərs hüdud və ya sürüşmə (bias) adlanır.
Qeyri-səlis neyronda yeni anlayışlar – qeyri-səlis ədəd, mənsubiyyət funksiyası,
qeyri-səlis əməliyyatlar anlayışları istifadə olunur. Bu halda f və g qeyri-səlis
dəyişənli və qeyri-səlis qiymətli funksiyalar ola bilər.
Neyron şəbəkələrin bəzi xüsusiyyətlərini təhlil edək. nsan beyni sinaqtik əlaqlər
vasitəsilə bir şəbəkədə birləşmiş 14 milyarda yaxın neyrondan ibarətdir. nsanda
qavrama, duyğu, təfəkkür proseslərinin hamısı bu şəbəkədə elektrik siqnallarının
keçməsi hesabına həyata keçirilir. Bioloji neyronlarda siqnalların real emalı prosesi
çox mürəkkəbdir və kifayət qədər öyrənilməmişdir. Neyronların işə düşməsi real
vaxt şəraitində asinxron baş verir. Neyronların fəallığı zamana görə dəyişir.
Sinaptik əlaqələrin gücü də dəyişir, amma çox yavaş. Biz daha tez fikirləşirik,
nəinki öyrənirik. Əgər i-ci neyronun vəziyyətini x
1
ilə əlaqənin j-cu çəki əmsalını
isə w
j
ilə işarə etsək, onda
dw
j
dx
i
yazmaq olar.
Neyronların aktivliyinin dəyişməsi neyrona daxil olan siqnalların qiymətindən,
həm də onların təsir müddətindən (sürəkliliyindən) asılıdır. Əlaqələrin çəkilərinin
çəkilərinin dinamikası xüsusi maraq kəsb edir. Xebbinn çəki əmsallarının
dəyişməsi haqqında söylədiyi ideya bioloji həqiqətə uyğun sayılır. O, qeyd
etmişdir ki, əgər bir-biri ilə əlaqəli iki neyron eyni zamanda fəallaşırsa, bir
neyronun aksonunu digərinin gövdəsi (və ya dendriti) ilə əlaqələndirən
düyünlərinin sayı artır, ya da bu düyünlərin ölçüləri böyürür. Bu və ya digər hal iki
neyron arasında əmsallaşdırılmış əlaqənin gücləndirilməsio deməkdir. Xebbin
öyrətmə alqoritmi bu ideyaya əsaslanmışdır. Bu neyron şəbəkələrdə öyrətmə
alqoritminin tarixən birincisidir. Süni neyron şəbəkələri müəyyən quruluşda
birləşmiş süni neyronlar çoxluğundan ibarətdir.
dt
<<
dt
21
Neyron şəbəkələrin xassələri. Neyron şəbəkələrin əsas xassələrindən biri
şə
bəkələrdə iformasiyanın paralel emalıdır. Neyronların hər biri başqa elementlərin
hər hansı qrupu ilə paralel olaraq işləyən ayrıca hesablama qurğusudur. Hər bir
neyron şəbəkənin çıxış siqnalları vektorunun formalaşdırılmasında öz hesablama
payı ilə iştirak edir. Buna görə də paralel aparatlarda onların realizə olunması
neyron hesablamaların yüksək sürətini müəyyənləşdirir.
Paralellik prinspindən neyron şəbəkələrində informasiyanın paylanmış təsviri
irəli çıxır. Əgər kiməsə “Bir əlin barmaqları ilə neçə ədədi göstərmək olar?” sualını
versək, onda yəqin ki, o, “beş” deyə cavab verəcəkdir. Lakin bükülü və açıq
barmaqların kombinasiyalarının köməyi ilə 32 ədədi göstərmək olar. ş
burasındadır ki, birinci halda 1-lik (bir əsaslı) say sistemi, ikincidə isə ikilik say
sistemi istifadə olunur. 1-lik say sistemində lokal təsvir istifadə olunur, əsası n
(n>1) olan sistemlərdə paylanmış təsvirdən istifadə olunur. Paylanmış təsvir
zamanı hər bir element hər bir obrazın təsvirində iştirak edir.
Süni neyroşəbəkə prinsipcə paralel struktur olmaqla, təbii halda məlumat
axını prinsipini reallaşdırır. “Neyron şəbəkələr”i termini keçən əsrin ortalarından
etibarən bioloji neyron şəbəkələrin təşkili və fəaliyyəti prinsiplərini öyrənən
tədqiqatlar arasında formalaşmağa başlamışdır. ndi neyroinormatika elmi
sahəsində informasiyanın işlənməsinin bir sıra modelləri hazırlanmışdır ki, onlarda
süni neyron şəbəkələri vəya sadəcə olaraq neyroşəbəkələr adlandırılır.
Adətən neyron şəbəkələri dedikdə sinirəbənzər və bir-birinə informasiya
mübadiləsi kanalları ilə birləşdirilən, birgə fəaliyyət göstərən elementar
informasiya çeviriciləri olan neyronlar yığını başa düşülür.
Neyroşəbəkələrin daha sevindirici nəticələri surətləin dərk edilməsi, assosiativ
yaddaşın qurulması, özü öyrənən ekspert sistemlərinin yaradılması, iri həcmli
optimallaşdırma məsələlərinin həlli zamanı əldə edilmişdir.
Neyroşəbəkənin 3 əsas tipi vardır:
-birbaşa yayımlanan şəbəkələr,
-tam əlaqəli Kopfild şəbəkələr,
-Kohonen kartı.
22
Mövcud neyroşəbəkələrin aşağıdakı təsnifat tiplərindən istifadə oluna bilər:
a)
giriş informasiyasının tipinə görə:
•
ikilik informasiyanı təhlil edən şəbəkələr;
•
həqiqi ədədlər üzərində əməliyyat aparan şəbəkələr.
b)
öyrətmə üsullarına görə:
•
qoyulmuş meyarlara cavab vermək üçün real şəraitə qoşulmaqdan əvvəl,
irəlicədən öyrətməni tələb edən (müəllimlə olan modellər) şəbəkələr;
•
iş prosesində özünüöyrətmək (öz xarakteristikalarını təkmilləşdirmə)
qabiliyyətinə malik olan, irəlicədən öyrətməni tələb edən şəbəkələr;
c)
informasiyanın yayılma xarakterinə görə:
•
bir istiqamətli şəbəkələr (burada informasiya yalnız bir istiqamətdə verilir,
elementlərin bir qatından digərinə yayılır):
•
rekkurent şəbəkələr (elementin çıxış siqnalı yenidən həmin elementə və
digər elementlərə və ya elementin əvvəlki qatlarına giriş siqnalı kimi daxil ola
bilər). Belə şəbəkələrə əks əlaqəli şəbəkələrdə demək olar.
d)
giriş informasiyanın çevrilməsi üsullarına görə isə avtoassosiativ
şə
bəkələri fərqləndirmək lazımdır.
Bunlar aşağıdakı cəhətləri ilə seçilir. Bütövlükdə şəbəkədə, yaxud onun bir
qatinda müəyyən vaxt anında neyronların ilkin vəziyyəyi, başqa sözlə, giriş surəti
(obrazı) verilir, yəni x =(x
1 ,
x
2, ......
x
n
).
Sonra həmin surət elementlərin çevrilmə
funksiyalarına uyğun olaraq transformasiya edilir. nformasiya şəbəkə üzrə yayılır
və onun işlənməsi baş verir. Biristiqamətli şəbəkələrdə informasiya bir qatdan
digər qata yayılır və çıxış qatı nəticənin çıxarılması vektorunu verir,yəni y =(y
1
,
y
2
,......y
n
). Birqatlı şəbəkələrdə vəziyyətlərin birində şəbəkənin stabilləşməsi
gedir. Nəhayət çıxış vektorunu göstərən şəbəkə qovşaqlarının qiymətləri
hesablanır. Burada iki variant ola bilər:
a)
heteroassosiativ şəbəkə x≠y olduqda, x giriş vektorunun y çıxış vektorunda
ə
ks etdirilməsini həyata keçirir;
Dostları ilə paylaş: |