1 Жасанды интеллектінің негізгі ұғымдары


Жасанды нейрондық желілердің негізгі моделі. Бірқабатты нейрондық желі



бет3/3
Дата08.02.2020
өлшемі342 Kb.
#57427
1   2   3
Байланысты:
Жасанды интеллект


2.4 Жасанды нейрондық желілердің негізгі моделі. Бірқабатты нейрондық желі

Адамдардың миын құрайтын нейрондар желісі ақпаратты өңдеудің өте тиімді кешендік, әрі маңызды паралельдік жүйесін көрсетеді. Ол өз нейрондарын жоғары дәрежеде ұйымдастыра алады, мысалы, бейнені қабылдауды жүзеге асыру үшін, бұл тапсырмалардың шешімін ең заманауи компьютерлерден іздеуге қарағанда, оның танып білу қабілеті бірнеше есе жылдам. Мұндай жылдамдық тек қана адамның миында таныс бет-әлпетті танып білуі 100-120мсболады, ал компьтерге бірнеше минут немесе сағаттар қажет болады.

Бүгінгі күні, әрине 40 жыл бұрын сияқты, адамдардың ойлап тапқан кез-келген есептеуіш машиналарына қарағанда, адам миы жоғары дәрежеде,

айтарлықтай өзге принциптермен жұмыс істейді. Дәл осы дерек қаншама жылдар бойы нейрондық желілердің (НЖ) зерттелуі мен қайта жаңғыруы

бойынша ғаламдардың жұмысына бағыт беріп отырады.

«Нейрондық желі» термині нақ биологиялық термин болып табылады,

сондықтан нейрондық желілер негізінен жасанды қейронды желілер (ЖНС) деп аталуы тиіс. Бірақ бұған көңілбөліп, терминдерден шатыспау үшін, жалпыға бірдей түсінікті Нейрондық Желі терминін қолдана берейік.

Нақты нейрондық желі – бұл нейрондардың жиынтығы – біздің миымызды құрайтын кішкентай ұяшықтар. Желі әр түрлі әдістермен өзара әрекет етуші әрі байланысушы бірнеше миллиард нейрондардан құралуы мүмкін. НЖ көмегімен осы биологиялық құрылымның үлгісін қайта өңдеу талпынысы архитектурада да, өзара әрекет етуде де жасалады. Бірақ бұл жерде кішкене проблема туындайды: біз нақты НЖ-нің анық қалай жұмыс істейтінін білмейміз. Нақты НЖ архитектурасы түбегейлі бір типтен екінші типке өзгереді, бұл жерде жалғыз ғана нейрон желісінің қарапайым ұяшығы қалай орналасқанын білетінімізге сүйенуге болады. Оның құрылымы толық түрде төменде қарастырылады.

Бүгінгі күні іс жүзінде НЖ қолдану туралы көптеген "қарсы" және "қарсы емес" пікірлер кездеседі. НЖ-нің көзге көрініп тұрған жетістіктерінің біріне дәстүрлі әдіс жұмыс істемейтін аудандарда оларды қолдануға

болатындығын кіргізуге болады. Мысалы, НЖ-ні әртүрлі үлкен көлемді түрлі қала мәліметтері ағынында жұмыс жасайтын жүйелердегі қолданысынкөрсетуге болады. НЖ көптеген типтері биологиялық тұрғыдан дұрыс, яғни олардың көмегімен адам миында жүретін, ойлау процестерін үйренуге болады. НЖ аймағындағы заманауи зерттемелер жақын болашақта оларды сұрыптау және объектілерді өңдеуде жоғары жылдамдыққа алып келетініне сендіреді.

НЖ аймағындағы зерттеулер белсенділендірудің үш кезеңінен өтті.

Біріншісі 40-жылдарда өтіп, МакКалок пен Питтстің алғашқы жұмысымен

негізделеді . Онда жүйке клеткаларына ұқсас логикалық амалдар орындай алатын шектік элементтер негізінде автоматты құру идеясы мазмұндалды. Алайда, шектік элементтер негізіндегі жүйені жобалау тапсырмасы өте қиын болып шықты. 20 жылдан соң табылған шешімінің қиын болғаны сонша, оның оннан жоғары нейроннан тұратын автоматтарының синтезі жоққа шығарылды. Осы себепті,алғашында осындай автоматтардың практикалық жүзеге асуын тірі организмнің жүйке жүйесіне ұқсастырып үйрету әдістерін іздестірумен байланыстырылды. Шектік элементтер негізінде үйретілетін жүйе жасанды нейрондық желі атына ие болды. Жандандырудың екінші кезеңі 1959 жылы пайда болған Розенблат перцептронының жинақтық теориясының арқасында 60-жылдарда туындады.60-жылдардың аяғына қарай АҚШ-та нейрондық желінің (НЖ) бірнеше эксперименталды моделі болды.Аналогты және сандық техника ("Адам-А" и "Адам-Д")негізіндегі алғашқы күрделі перцептрондар1969-1971 жылдар аралығында Киевтің ғылыми-зерттеу институттарының бірінде құрылды . Розенблаттың қарапайын перцептронының сұлбасы келесі 2.1-суретінде кескінделген. Ол шектік элементтердің үш қабатынан тұрады. Кіріс сигналдары (стимул) рецепторларға (S-элементтеріне) әсер етіп, оларды қозу күйіне ауыстырады. S-элементтер ассоциативті нейрондар (А-элементтер) жиынтығымен кездейсоқ байланысқан. А-элементінің шығысы 0-ден ерекшеленеді, егер онымен байланысқан рецепторлардың жеткілікті саны қосса. А-элементтерінің реакциясы байланыс арқылы эффектор кірісіне түседі. Олардың саламағы үйрену кезінде өзгереді. Эффекторлерде постсенаптикалық потенциялы – келіп түскен сигналдардың өлшенген суммасы есептелінеді. Әдетте есте сақталатын әр бір бейне үшін перцептронда бір эффектор бөлінеді және постсенаптикалық потенциял мәнінің максимумы бойынша шешім қабылданады. Розенблат перцептронына тән құрылымның біркелкі еместігі (SA және R Элементтерінің бөлінуі) НЖ соңғы модельдерінде жойылған. Минскии және Пейпержұмыстары қарапайым перцептронның шектеулі мүмкіндіктерін көрсетті. Олардың нәтижелері көптеген зерттеушілердің әсіресе есептеу ғылымы аймағында жұмыс істейтіндердің ынтасын өшірді. Нейрондық желі бойынша зерттеулер 20 жылдай тоқтап тұрды.

Нейрондық желіге қызығушылықтың қайта оянуына бірнеше себептер әсер етті:



  • Жапониялық жоба шеңберінде жасалып жатқан ЭЕМ-нің бесінші ұрпағы жасанды зерде логикалық жүйелерін жүзеге асырудағы қиындықтар;

  • нейрондық желіні үйрету және жадысын ұйымдастыруда жаңа идеялардың пайда болуы;

  • ЭЕМ өнімділігінің өсу қарқынының қажет жоғары өнімді есептеулердің өсуінеқарағанда артта қалуы.

80-жылдардың басынан НЖ-ге зерттеушілердің қызығушылығы қайта оянды. Оған себеп Хопфилдтің энергетикалық жолы және Вербос алғаш рет ұсынған көп қабатты перцептронды (тікелей тарату көп қабатты желісі) үйретуге арналған кері тарату алгоритмі. Румельхарттың көмегімен 1986-жылы алгоритм танымал болды.80-жылдардың ортасыныан бастап нейрондық желілерді модельдеуге қызығушылық үздіксіз өсіп келеді. Олардың ерекшелігі параллельді жұмыс болып табылады және осы себепті мұндай желілерді дәстүрлі архитектураға ие ЭЕМ-де модельдеу көп уақыт алады.Бұл процессті жылдамдату үшін әлемнің әр түрлі елдерінде арнайы құрылғылар пайда бола бастады. Олар нейрокомпьютерлер деп аталды. Нейрокомпьютинг –бұл ғылыми бағыт болып, параллельді жұмыс істейтін қарапайым есептеу элементтерінің (нейрондарының) көптеген санынан тұратын нейрокомпьютерлердің алтыншы ұрпағы есептеу жүйелерін құрумен айналысады. Элементтер өзара нейрондық желі құрастыру арқылы байланысқан. Олар біркелкі есептеу әрекеттерін орындайды және сыртқы басқаруды талап етпейді. Параллельді жұмыс істейтін есептеу элементтерінің үлкен саны жылдамдықты қамтамасыз етеді.

НЖ анықтамасының саны өте көп, бірақ адоптивті машина ретінде НЖ-нің анықтамасын келесі түрде беру орынды : жасанды нейрондық желі (

neural network) бұл тәжрибелі білімді сақтауға және репрезентация қабілетіне ие айтарлықтай параллельді –таратылған процессор.Ол миға екі тұрғыдан ұқсас:

– білім желіні үйрету процессінде алынады;

– білімді сақтау үшін синаптикалық салмақ деп аталатын нейро желілер

арасындағы байланыс күші қолданылады.

НЖ теориясындағы үш негізгі түсінік: нейрон, желі архитектурасы және үйретутүсінігі болып табылады. Бұл түсініктердің анықтамаларын қарастырайық.

Нейронның алғашқы моделін МакКаллок пен Питтc ұсынған . Олар нейрон ретінде бинарлық шектік элементті қолданған. Бұл математикалық нейрон xi, i = 1, 2... n, кіріс сигналдарының n салмақты суммасын есептейді

және егер бұл сумма u анықталған шегінен асып кетсе, онда бір өлшеміндегі

сигналды шығысына қалыптастырады ал кері жағдайда 0 ді қалыптастырады.

U x0=1тұрақты кірісімен байланысты салмақтық коэффиценті ретінде қарастыру қолайлы. Оң салмағы қоздыруші байланыстарға, ал терісі-тежегіш

байланыстарға сәйкес. Берілген концепцияныңматематикалық өрнегі (2.1)формуласымен сипатталады:




мұндағы u0–жылжу мөлшері.Нейронның моделі 2.2-суретінде ұсынылған.

Сурет 2.2–Нейрон моделі


Дәстүрлі активациялық функция сатылық түрге ие, яғни y нейрон шығысында сигнал тек қана кіріс әсерінің суммасы қандайда бір сыни мәннен асқанда ғана пайда болады. Активациялық функцияның негізгі үш типін келтірейік:

МакКаллок пен Питтс осы типтегі параллелді жұмыс жасайтын нейрондар жиынтығының сәйкес таңдалған салмағында әмбебап есептеулер жүргізуге болатындығын дәлелдеді.



НЖ архитектура көз қарасы тарапынан қалыптастырылған біркелкі байланыстарымен бағытталған граф ретінде қарастырыла алады. Онда жасанды нейрондар түйіндер болып табылады. Нейрондық жүйе байланыстарының архитектурасы бойынша екі класқа топтастырылуы мүмкін (сурет 2.3): тікелей тарату желісі және рекурентті желі немесе кері байланыс желісі. Көбірек тараған желілер тобының бірінші класында көп қабатты перцептрондар деп аталатын бірінші класындағы нейрондары қабаттармен орналасып, қабаттар арасында бір бағытты байланыстарға ие.


Сурет 2.3–НЖ байланыстарының архитектурасы

Нейронды желілер тарихы

Жалпы биологиялық прототип негізінде жасалған жасанды нейрон желісінің алғаш математикалық моделі У. Маккалок пен У. Питтс ғалымдары шығарды, олар оны биологиялық нейрон, яғни биологиялық прототип негізінде құрылған желілер нейрондарына қарап ойлап тапты. Осы ғалымдардың айтуынша: осы желідегі элементтерде сандық және логикалық опенрацияларды жасауға болады. Практикалық түрде желі 1958 жылы компьютерлік программа сияқты Фрэнк Розенблатт дейтін ғалыммен басталды, нәтижесінде электронды құрылғы ретінде – перцептрон түрінде жасалды. Алғашында нейрон тек логикалық нөл мен логикалық бірліктің сигналдарын ғана өндей алды, себебі ол биологиялық прототип негізінде жасалған еді, ал ол тек екі күйде ғана бола алады – қоздырылған немесе қоздырылмаған. Нейрон желілердің одан сайын дамуы мынаны көрсетті: олардың қолданылу аясын кеңейту үшін нейрон тек бинарлы сигналдармен шектелмей, олармен қатар үздіксіз (аналогты) сигналдармен де жұмыс жасауы қажет. Нейронның мұндай жалпылау анықтамасы Уидроу мен Хоффом ғалымдарымен жасалды, олар нейрон жүзеге асудың функциясы ретінде логистикалық қисықты қолдану мүмкіндігін ұсынды.

Бүгінгі таңда жасанды нейрондық желілердің түрлі үлгілері бар. Олар бір-бірінен бөлек нейрондардың іс-әрекеттері мен желілердің құрастырылу принциптеріне байланысты ажыратылады. Бірақ, көп жағдайда нейрондық желілердің үлгілері біртектес мақсатымен байланысты.



Жасанды нейрондық желілер өздерінің келесі факторлардың әсеріне етек жайған:

  • Жасанды нейрондық желілер күрделі есептерді шешуге мүмкіндіктері бар;

  • Жасанды нейрондық желілер параллельдік принциптерімен ажыратылады;

Бір ғана нейрон тану процедурасын орындағанымен, нейрондық есептеулер күші желідегі нейрондарды жалғастыруда аяқталады. Қарапайым желі қабат түзетін нейрондар тобынан тұрады, дәл 4-суреттің оң бөлігінде көрсетілгендей.

Сурет - 4 Бірқабатты нейрондық желі

ПАЙДАЛАНЫЛҒАН ӘДЕБИЕТТЕР ТІЗІМІ


  1. Дьяконов К.Н., Дончева А.В. Экологическое проектирование и экспертиза: Учебник для вузов: М., Аспект Пресс,2002. - 384с.

  2. http://www.ncexpert.ru/ecopro/szz/

  3. http://www.ekoproect.ru/szz.php

  4. Демен А.К. Электромагнитное загрязнение окружающей среды и здоровье населения России.– Москва, 1997, 91 с.

  5. Санитарные нормы и правила защиты населения от воздействия электрического поля, создаваемого воздушными линиями электропередачи переменного тока промышленной частоты (СанПиН 2971-84). – Информационно-издательский центр Минздрава России, 1996, 9с.


Достарыңызбен бөлісу:
1   2   3




©engime.org 2024
әкімшілігінің қараңыз

    Басты бет