1 / 123

formalnie: Budowa i zasada funkcjonowania sztucznych sieci neuronowych

nieformalnie: Od czegoś trzeba zacząć. formalnie: Budowa i zasada funkcjonowania sztucznych sieci neuronowych. Dorota Cendrowska. Plan wykładu. „siedlisko” inteligencji ludzkiej matematyczny model neuronu interpretacja parametrów neuronu perceptron/neuron (?)

arama
Download Presentation

formalnie: Budowa i zasada funkcjonowania sztucznych sieci neuronowych

An Image/Link below is provided (as is) to download presentation Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author. Content is provided to you AS IS for your information and personal use only. Download presentation by click this link. While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server. During download, if you can't get a presentation, the file might be deleted by the publisher.

E N D

Presentation Transcript

  1. nieformalnie: Od czegoś trzeba zacząć... formalnie: Budowa i zasada funkcjonowaniasztucznych sieci neuronowych Dorota Cendrowska

  2. Plan wykładu • „siedlisko” inteligencji ludzkiej • matematyczny model neuronu • interpretacja parametrów neuronu • perceptron/neuron (?) • sieci jednokierunkowe vs perceptron • zastosowania sieci jednokierunkowych • testowanie sieci jednokierunkowych

  3. Inspiracje • neuron biologiczny „ Błona komórkowa aksonu i ciała neuronu zawiera kanały jonowe bramkowane elektrycznie (bramkowane potencjałem), które pozwalają neuronowi na generowanie i propagację (przesyłanie) impulsu elektrycznego (potencjał aktywacyjny). Te impulsy są wytwarzane i przesyłane przez jony obdarzone ładunkiemtakie jak sód (Na+), potas (K+), chlor (Cl-) oraz wapń (Ca2+).

  4. Model neuronu • wejścia

  5. Model neuronu • wejścia • NET

  6. Model neuronu • wejścia • NET • funkcja aktywacji • wartość wyjścia

  7. Funkcje aktywacji • dyskretne ?

  8. Funkcje aktywacji • dyskretne (unipolarne)

  9. Funkcje aktywacji • dyskretne (bipolarne)

  10. Neuron neuronowi (nie)równy • schemat neuronu: • alternatywnie (literatura):

  11. Jeden neuron, wiele schematów (?)

  12. Jeden neuron, wiele schematów (?)

  13. Jeden neuron, wiele schematów (?)

  14. Jeden neuron, wiele schematów (?)

  15. Jeden neuron, wiele schematów (?)

  16. Alternatywy cd.... sztuczny neuron w literaturze • schemat neuronu w piśmiennictwie: L. Rutkowski, Metody i techniki sztucznej inteligencji

  17. Alternatywy cd.... sztuczny neuron w literaturze • schemat neuronu w piśmiennictwie: St. Osowski, Sieci neuronowe w ujęciu algorytmicznym

  18. Alternatywy cd.... sztuczny neuron w literaturze • schemat neuronu w piśmiennictwie: J. Korbicz, A. Obuchowicz, D. UcińskiSztuczne sieci neuronowe, podstawy i zastosowania

  19. Funkcje aktywacji • ciągłe unipolarne — sigmoidalne • ciągłe bipolarne — tangensoidalne

  20. Funkcje aktywacji • ciągłe sigmoidalne

  21. Funkcje aktywacji • ciągłe sigmoidalne

  22. Funkcje aktywacji • ciągłe sigmoidalne ?

  23. Funkcje aktywacji • ciągłe sigmoidalne • ciągłe tangensoidalne

  24. Interpretacja geometryczna

  25. Interpretacja geometryczna

  26. Interpretacja geometryczna

  27. Interpretacja geometryczna x2 x1

  28. Interpretacja geometryczna [w1, w2] [-3, 1] [-3, 1]

  29. Interpretacja geometryczna

  30. Interpretacja geometryczna ?

  31. Interpretacja geometryczna

  32. Dychotomizator: „ręczna robota” • ?

  33. Dychotomizator: „ręczna robota” • ?

  34. Dychotomizator: „ręczna robota” • ? [-5, 2]

  35. Dychotomizator: „ręczna robota” [w1, w2]=[-2, -5] [w1, w2]=[2, 5] [-5, 2]

  36. Dychotomizator: „ręczna robota” [w1, w2]=[-2, -5] [w1, w2]=[2, 5]

  37. Perceptron… • perceptron: • neuron o dyskretnej funkcji aktywacji • zastosowanie: klasyfikacja • zdolność do uogólniania (?)

  38. Perceptron… • perceptron: • neuron o dyskretnej funkcji aktywacji • zastosowanie: klasyfikacja • zdolność do uogólniania (?)

  39. sieć jednokierunkowa jednowarstwowa wejście: warstwa przetwarzająca wyjście:

  40. Przetwarzanie... wejście: warstwa przetwarzająca wyjście:

  41. Przetwarzanie... wejście: warstwa przetwarzająca wyjście:

  42. Przetwarzanie... wejście: warstwa przetwarzająca wyjście:

  43. Uczenie… wzorzec uczący: zbiór uczący:

  44. Uczenie… wzorzec uczący: otrzymane wyjście: korekta wag*: * metoda perceptronowa lub metoda delty

  45. Neuron (perceptron) i klasyfikacja zdolność do uogólniania (?)

  46. Neuron (perceptron) i klasyfikacja zdolność do uogólniania (?)

  47. Nieoczekiwany kłopot... Minsky i Papert (1969): udowodnili ograniczone możliwości sieci jednowarstwowych (perceptronów)

  48. sieć jednokierunkowa wielowarstwowa wejście: przynajmniej jednawarstwa ukryta: warstwa wyjściowa wyjście:

  49. Przetwarzanie... wejście: przynajmniej jednawarstwa ukryta: warstwa wyjściowa wyjście:

  50. Przetwarzanie... wejście: przynajmniej jednawarstwa ukryta: warstwa wyjściowa wyjście:

More Related