Microsoft Word X. Tahire dissertasiya doc
Yüklə 0,63 Mb. Pdf görüntüsü
|
13 də neyron sistemlərini çox vaxt konneksionist (connection birləşmə, əlaqə sözündən) sistemlər də adlandırırlar. Şəbəkədə əlaqələrin düzümü onun arxitekturasını 2 növə ayırmaq olar: tam ə laqəli və iyerarxik şəbəkələr. Qraflar nəzəriyyəsindən məlumdur ki, tam əlaqəli arxitekturada şəbəkənin bütün elementləri bir-biri ilə birləşmiş olur. Neyron şəbəkələrdə bu onu göstərir ki, hər bir neyronun çıxışı bütün digər neyronların girişləri ilə birləşmiş və onun girişləri qalan elementlərin çıxışları ilə bağlanmışdır. Bundan başqa, hər bir neyronun çıxışı onun girişinə birləşdirilmişdir (“özü- özü ilə əlaqə”). N neyrondan ibarət tam əlaqəli şəbəkələrdə hər bir düyündən N əlaqə çıxdığından əlaqələrin sayı N*N-ə bərabərdir. Şəkil 1-də 6 neyrondan ibarət olan tam əlaqəli şəbəkə göstərilmişdir. yerarxik arxitekturada ayrı-ayrı laylarda və ya səviyyələrdə yerləşmiş neyron qruplarını ayırmaq olar. Layın hər bir neyronu əvvəlki və sonrakı layın hər bir neyronu ilə əlaqələndirilir.
Şə kil 1. Tam əlaqəli neyron şəbəkəsi. 14 Şəkil 2. yerarxik neyron şəbəkələri. Giriş və çıxış laylarını xüsusi olaraq ayırmaq lazımdır. Giriş layının neyronları siqnalları xarici mühitdən alırlar və sonrakı layın neyronları üzrə paylayırlar. Çıxış layının neyronlarının çıxışları xarici mühitə daxil olur. Girişlər və çıxışlar arasında yerləşmiş laylar aralıq və yaxud gizli laylar adlanır (onların xarici mühitlə bilavasitə əlaqəsi olmur). Siqnalların ötürülməsi istiqamətinə görə şəbəkələri əks əlaqəsiz və qeyri- rekurrent (feed-forward) və əks əlaqəli və ya rekurrent (feed-back) şəbəkələrə ayırmaq olar. Ə ks əlaqəsiz şəbəkələrdə bir layın neyronları siqnalları yalnız xarici mühitdən və yaxud da əvvəlki layın neyronlarından qəbul edirlər və siqnalları ya xarici mühitə, ya da sonrakı layın neyronlarının girişinə ötürürlər. Rekurrent şəbəkələrdə müəyyən laydakı neyronlar bundan əlavə, siqnalları özləri-özlərindən və həmin layda yerləşən digər neyronlardan qəbul edə bilərlər. Beləliklə, qeyri-rekurrent şəbəkələrdən fərqli olaraq rekurrent şəbəkənin neyronalarının çıxış siqnallarının qiyməti yalnız girişlərindəki siqnalların cari qiymətləri və uyğun əlaqələrin çəkiləri ilə deyil, həm də bəzi neyronların əvvəlki zaman anındakı çıxış qiymətləri ilə təyin olunurlar. Bu onu göstərir ki, belə şəbəkə çıxışların vəziyyəti haqqında informasiyanı müəyyən müddtdə yadda saxlamağa imkan verən yaddaş elementlərinə malikdir. Rekurrent şəbəkələrin öz layının neyronları ilə əlaqələri ləngidici olan halda (yəni mənfi çəkili əlaqələr olan hal) onu lateral ləngidici şəbəkə adandırırlar. 15 Xarici mühitlə ən sıx qarşılıqlı əlaqə supervizor üsullardan istifadə edəndə olur. Bu zaman giriş vektorlar çoxluğu və ona uyğun çıxış vektorları çoxluğu ə vvəlcədən müəyyənləşdirilir. Hər bir giriş vektorunun i-ci komponenti şəbəkənin i -ci neyronuna verilən siqnala uyğun gəlir. Analoji olaraq, çıxış vektorunun j-cu komponenti j-cu çıxış neyronunda alınan siqnalla uyğun gəlir. x girş vektoru və ona uyğun Y çıxış vektoru öyrətmə cütləri adlanan cüt təşkil edir. Bütün öyrətmə cütləri toplusu öyrətmə çoxluğunu yaradır. Öyrətmə prosesi zamanı neyron şə bəkənin çıxış vektorunun cari qiymətləri ilə öyrətmə çoxluğundan seçilmiş verilmiş qiymətlər arasındakı meyletmələr hesablanır. Bu qiymətləndirməyə uyğun olaraq şəbəkənin parametrlərində təshih aparılır. Neyron şəbəkələrin öyrətmə alqoritmləri arasında ən çox tətbiq edilən xətaların geriyə yayılması (error backpropagation) alqoritmi bu prinsiplə işləyir. Şəkil 4. Rekurent şəbəkə. Şə kil 3. Əks əlaqəsiz şəbəkə.
16 Şəkil 5. Lateral ləngidici şəbəkə. Süni neyronların birlaylı şəbəkələri. Siqnalların paylanması üçün ayrılmış giriş neyronları layından başqa bir hesablayıcı neyron layı olan iyerarxik qeyri-rekurent şə bəkə sadə birlaylı şəbəkə adlanır. Hesablayıcı neyronlarda hər bir neyronun çıxış siqnalı onun girişinə daxilolan siqnalların uyğun əmsallara vurulduqdan sonrakı cəmindən asılı funksiya kimi təyin olunur. Ən sadə halda, çıxış hər bir hesablayıcı neyronun girişinə daxil olan siqnalların sadəcə olaraq uyğun əmsallara vurulduqdan sonrakı cəmidir. Çıxış siqnallartoplusu şəbəkənin Y çıxış vektorunu ə mələ gətirir. Y vektorunun m-ölçüsü şəbəkənin çıxışlarının sayına bərabərdir. Analoji qayda ilə n-ölçülü X giriş vektorunu, n*m ölçülü W çəki əmsalları matrisini təyin etsək, biz şəbəkənin çıxışının onun girişindən asılılığını vektor şəklində Y=X*W kimi yaza bilərik. Göstərmək olar ki, fəallaşma funksiyası xətti olan belə şəbəkənin hesablama gücü yeni laylar əlavə ediləndə artmır. 1-ci və 2-ci layların çəki əmsalları matrisləri uyğun olaraq W
və W 2 olan ikilaylı şəbəkəyə baxaq. 1-ci layın neyronlarının çıxış vektoru Y
=X*W 1 ? 2-ci layın çıxış vektoru isə Y 2 =Y 1 *W 2 =X*W 1 *W 2 =X*W düsturu ilə tapılır, burada W=W
verilmiş ikilaylı şəbəkəyə ekvivalent olan birlaylı şə bəkənin çəki əmsalları matrisidir. Analoji qayda ilə xətti fəallaşma funksiyanın istənilən çoxsaylı şəbəkəni ekvivalent birlaylı şəbəkəyə çevirmək olar. Biz yuxarıda şəbəkənin laylarının sayını göstərəndə paylaşdırıcı rolunu oynayan giriş layını nəzərə almamışıq. Bundan sonra layın sayını göstərəndə bütün layları nəzərə alacağıq. Çoxsaylı süni neyron şəbəkələri. Qeyri-xətti fəallaşma funksiyasından istifadə edilən şəbəkədə layların sayının artırılması onun hesablama gücünün artırılmasına, daha mürəkkəb inikasların qurulmasına imkan verir. Gizli layları olmayan sadəşəbəkələr bir sıra məsələləri həll edə bilmir. Belə məsələyə hamıya yaxşı məlum olan məşhur “istismaredici və ya” (modul 2-yə görə toplama) problemi nümunə ola bilər ki, köməkçi laylar əlavə edilməyən sadə şə bəkə ilə bu məsələni həll etmək mümkün deyil. Problemin məhz nədən ibarət i Yüklə 0,63 Mb. Dostları ilə paylaş:
|