پرینت

مقدمه ای بر شبکه های عصبی مصنوعی (قسمت ششم)

نوشته شده توسط مجتبی آیتی نیا. منتشر شده در شبکه‌های عصبی

معرفی چند مدل از شبکه های عصبی

 

در آغاز دهه 40 مک کولاچ و پيتز، مدلی از يک نرون ارائه کردند که در شکل زیر اين مدل آورده شده است.

 

همان طور که در شکل بالا آمده است، ورودی ها ابتدا در وزن هاي مربوط به خود ضرب می شوند که اين وزن ها حکم سيناپس ها در يک نرون بيولوژيکی را دارند. سپس اين ورودی های وزن دار شده با هم جمع می شوند و با يک مقدار آستانه، مقايسه می شوند. اگر مجموع وزن دهی شده ورودی ها از مقدار آستانه بيشتر بود، نرون فعال می شود (اصطلاحا آتش می گيرد) و در غير اين صورت نرون در حالت غير فعال باقی می ماند.

پس از مدل مک کولاچ و پيتز، مدل های گوناگونی برای شبکه های عصبی ارائه گرديد. که همگی وجوه مشترک زيادی با مدل فوق دارند. همگی شامل وزن هايی هستند که عملکرد آنها را بصورت پارامتری مشخص می کند، همگی شامل تعدادی واحد محاسبه کننده خروجی هستند که بر اساس اطلاعات ورودی و يا اطلاعات ساير واحدها کار می کنند، همگی آنها خروجی ها و تنظيم وزن هايشان را از طريق يک قاعده موضوعی ساده تعيين می کنند. تفاوت بين مدل های مختلف، ناشی از تابع خاص بکار رفته برای محاسبه خروجی ها و جديد کردن وزن ها و نيز نحوه اتصال بين واحدها می باشد.

     

 هاپفيلد

شبکه هاپفيلد که جزء شبکه های حافظه انجمی است، در سال 1982 توسط جان هاپفيلد مطرح شد. هاپفيلد محقق برجسته ای است که رنسانسی در شبکه های عصبی ايجاد نمود. او با استفاده از تابع انرژی و توسعه تئوريک آن، توانست شبکه هاپفيلد را با سيستم های ديناميکی فيزيکی مرتبط ساخته، و از اين طريق بعضی از مسائل بهينه سازی را با شبکه های عصبی حل نمايد.

شبکه هاپفيلد، شبکه ای پويا، بازگشتی و شامل چندين نرون با واحد های تاخيری است که سامانه پس خور چند حلقه ای را تشکيل می دهد. به عبارتی ديگر خروجی تک تک نرون ها، به همه نرون ها پس خور دارد. شبکه هاپفيلد دارای تابع تبديل اشباع خطی است. اين شبکه را می توان به دو دسته پيوسته و گسسته تقسيم کرد.

 

شبکه هاپفيلد برای ذخيره سازی تعدادی الگو طراحی شده است، که می تواند آنها را بازيابی کند.

 

در شکل زیر ساختار شبکه هاپفيلد آمده است.

You have no rights to post comments