Microsoft Word X. Tahire dissertasiya doc
Yüklə 0,63 Mb. Pdf görüntüsü
|
20 Neyronun çıxış qiyməti isə giriş parametrləri f i fnksiyalarının verdiyi qiymətlər olan n-ölçülü g(y
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
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.
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)
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
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; Yüklə 0,63 Mb. Dostları ilə paylaş:
|