45355

Рекуррентные сети

Доклад

Информатика, кибернетика и программирование

В связи с этим были предприняты попытки дополнить искусственные нейронные сети обратными связями что привело к новым неожиданным результатам. Таким образом под воздействием входных сигналов х1 и х2 на выходе сети в момент времени t вырабатываются сигналы y1t и y2t а в следующий момент времени под воздействием этих сигналов подаваемых на вход вырабатываются новые выходные сигналы y1t1 и y2t1. Для всякой рекуррентной сети может быть построена идентичная сеть без обратных связей с прямым распространением сигнала поэтому для...

Русский

2013-11-16

91.5 KB

28 чел.

15 Рекуррентные сети

Как показали нейрофизиологические исследования, мозг человека имеет гораздо более сложную структуру и механизмы взаимодействия между нейронами, чем те, которые реализованы в рассмотренных выше искусственных нейронных сетях. В частности, между биологическими нейронами выявлено большое число не только прямых, но и обратных связей. В связи с этим были предприняты попытки дополнить искусственные нейронные сети обратными связями, что привело к новым неожиданным результатам.

Рассмотрим персептрона, у которого выходные сигналы у1 и у2 через элементы единичных задержек z-l подаются обратно на входы персептрона (рис. 5.10). Таким образом, под воздействием входных сигналов х1 и х2 на выходе сети в момент времени t вырабатываются сигналы y1(t) и y2(t), а в следующий момент времени под воздействием этих сигналов, подаваемых на вход, вырабатываются новые выходные сигналы y1(t+1) и y2(t+1).

Для всякой рекуррентной сети может быть построена идентичная сеть без обратных связей с прямым распространением сигнала, поэтому для обучения рекуррентных сетей может быть применен метод обратного распространения ошибки.

В настоящее время нашли применение рекуррентные нейросети, в которых элементы единичных задержек включены как в обратные, так и во входные связи, а сами обратные связи исходят как с выходных нейронов, так и с нейронов скрытых слоев.

а)

б)

Рисунок 5.10 – Рекуррентная сеть на базе персептрона (а) и идентичная ей развернутый персептрон (б)

На рисунке ниже приведена сеть, имеющая один вход и один выход, причем как входной, так и выходной сигналы подаются на нейроны скрытого слоя через элементы задержек. Таким образом, выходной сигнал, образующийся в момент времени t+1, является функцией N+Р переменных:

,

из которых N переменных представляют собой последовательность входных сигналов, а Р переменных являются ответами персептрона в разные моменты времени и называются контекстными аргументами.

Рисунок 5.11 – Рекуррентная сеть, имеющая N-1 элементов задержек входного сигнала и Р элементов задержек в обратной связи

Сети такого типа широко применяются для математического моделирования динамических объектов и может использоваться для управления данного объекта.

Если дальше развивать вопрос о возможной классификации нейросетей, то можно выделить бинарные и аналоговые сети. Первые из них оперируют с двоичными сигналами, и выход каждого нейрона может принимать только два значения: логический ноль ("заторможенное" состояние) и логическая единица ("возбужденное" состояние). К этому классу сетей относится и рассмотренный выше перцептрон. В аналоговых сетях выходные значения нейронов способны принимать непрерывные значения.

Еще одна классификация делит нейросетей на синхронные и асинхронные. В первом случае в каждый момент времени свое состояние меняет лишь один нейрон. Во втором – состояние меняется сразу у целой группы нейронов, как правило, у всего слоя.

Нейронные сети Хопфилда и Хэмминга

Среди различных конфигураций нейронных сетей встречаются такие, при классификации которых по принципу обучения не подходят ни обучение с учителем, ни обучение без учителя. В таких сетях весовые коэффициенты рассчитываются только однажды перед началом функционирования сети на основе информации об обрабатываемых данных. Из сетей с подобной логикой работы наиболее известны сеть Хопфилда и сеть Хэмминга. Эти сети обычно используются для организации ассоциативной памяти.

Структурная схема сети Хопфилда состоит из единственного слоя нейронов, число которых является одновременно числом входов и выходов сети. Каждый нейрон связан со всеми остальными нейронами, а также имеет один вход, через который осуществляется ввод сигнала.

Рисунок – Структурная схема сети Хопфилда

Такая нейронная сеть работает следующим образом. Известен некоторый набор двоичных сигналов (изображений, звуковых оцифровок, прочих данных, описывающих некие объекты или характеристики процессов), которые считаются образцовыми. Сеть должна уметь из произвольного сигнала, поданного на её вход, выделить соответствующий образец (если такой есть) или "дать заключение" о том, что входные данные не соответствуют ни одному из образцов.

Рисунок – Структурная схема сети Хэмминга

Когда нет необходимости, чтобы сеть в явном виде выдавала образец, то такие задачи успешно решает сеть Хэмминга. Данная сеть характеризуется, по сравнению с сетью Хопфилда, меньшими затратами на память и объёмом вычислений.

Сеть Хэмминга состоит из двух слоев. Первый и второй слои имеют по m (m – число образцов) нейронов. Нейроны первого слоя имеют по n синапсов, соединенных со входами сети (образующими фиктивный нулевой слой). Нейроны второго слоя связаны между собой ингибиторными (отрицательными обратными) синаптическими связями. Единственный синапс с положительной обратной связью для каждого нейрона соединен с его же аксоном.

Идея работы сети состоит в нахождении расстояния Хэмминга от тестируемого образа до всех образцов. Расстоянием Хэмминга называется число отличающихся битов в двух бинарных векторах. Сеть должна выбрать образец с минимальным расстоянием Хэмминга до неизвестного входного сигнала, в результате чего будет активизирован только один выход сети, соответствующий этому образцу.


z-1

z-1

x1

2

y1

y2

x1

x2

y1(t)

y2(t)

y1(t+1)

y2(t+1)

z-1

z-1

z-1

z-1

z-1

x(t)

y(t)

N-1

P


 

А также другие работы, которые могут Вас заинтересовать

1821. Развитие исторического образования в университетах России во второй половине XVIII – начале XX века 1.33 MB
  Влияние культуры классицизма на развитие русской исторической науки и образования. Эпоха Великих реформ и формирование принципов дальнейшего развития исторического образования в российских университетах. Реорганизация учебного процесса на историко-филологических факультетах в университетах России в конце 70-80-х гг. XIX в.
1822. Дидактическое структурирование процесса обучения студентов в педагогическом вузе 1.33 MB
  Структурирование процесса обучения в вузе как педагогическая проблема. Характеристики структур педагогических систем с позиции концепции структурно-количественного анализа. Дидактические оценки использования резюме как методологического компонента структуры процесса обучения математике в вузе. Взаимосвязь структурных характеристик умственной деятельности обучаемых с показателями эффективности решения математических задач и оценками качеств личности.
1823. МИГРАЦИОННАЯ ПОЛИТИКА ЕВРОПЕЙСКОГО СОЮЗА 1.33 MB
  Интеграционные процессы в Западной Европе во второй половине ХХ столетия и создание Европейских Сообществ. Возникновение и деятельность межправительственных групп по выработке основных направлений миграционной политики ЕС. Формирование единого европейского законодательства в области регулирования миграционных процессов.
1824. ГАРНИТУРА ШРИФТА КАК ФАКТОР РЕГУЛЯЦИИ ВОСПРИЯТИЯ ТЕКСТА 1.33 MB
  Научно-теоретические и практические аспекты проблемы исследования регулирующей функции гарнитуры шрифта. Функции гарнитуры шрифта с позиций прагматики и эстетики. Регулирующая функция гарнитуры шрифта в аспекте теории деятельности. Психолингвистическая интерпретация гарнитурно-шрифтовых регулирующих факторов.
1825. КОНСТИТУЦИОННЫЕ ГАРАНТИИ ЗАЩИТЫ ПРАВ И СВОБОД ГРАЖДАН ОТ НЕПРАВОМЕРНЫХ ДЕЙСТВИЙ (БЕЗДЕЙСТВИЙ) СУБЪЕКТОВ ПРАВООХРАНИТЕЛЬНОЙ СИСТЕМЫ РОССИЙСКОЙ ФЕДЕРАЦИИ 1.33 MB
  Конституционные гарантии прав и свобод человека и гражданина в Российской Федерации. Функции юридических гарантий обеспечения прав и свобод человека и гражданина. Персональная ответственность государственного служащего правоохранительного органа. Конституционно-правовой механизм защиты прав и свобод граждан от неправомерных действий (бездействий) должностных лиц правоохранительных органов.