پرینت

مقدمه ای بر شبکه های عصبی مصنوعی (قسمت هفتم)

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

شبکه های عصبی خود سازمانده

شکل ديگری از شبکه های عصبی، سيستم هايی هستند که شبکه های خود سازمانده خوانده می شوند. اين بدان معنی است که اين سيستم ها با نشان دادن مثال هايی از الگوهايی که قرار است طبقه بندی شوند، آموزش داده می شوند و به شبکه اجازه داده می شود تا کد خروجی خود را برای طبقه بندی توليد کند.

در شبکه های خود سازمانده، آموزش می تواند از نوع با نظارت يا بدون نظارت باشد. مزيت آموزش بدون نظارت اين است که شبکه مينيمم های انرزی خود را پيدا می کند و در نتيجه بر حسب تعداد الگوهايی که می تواند دقيقا ذخيره کرده و فراخوانی کند، کارايی بيشتری دارد.

واضح است که در اين شبکه ها، کاربر بايد خروجی را تعبير کند. در حين آموزش، الگوهای ورودی نشان داده می شوند، و هنگامی که الگوهای خروجی متناظر توليد شدند، کاربر می داند که آن کد مربوط به طبقه ای است که الگوی ورودی را در بر دارد.

شبکه های خود سازمانده داری چهار خاصيت هستند:

·        وزن ها در سلول های عصبی بايد نماينده طبقه ای از الگوها باشند. بنابراين هر سلول عصبی طبقه متفاوتی را نشان می دهد

·        الگوهای ورودی به تمام سلول های عصبی نشان داده می شوند، و هر سلول عصبی يک خروجی توليد می کند. مقدار خروجی هر سلول عصبی به عنوان معياری از انطباق بين الگوی ورودی و الگوی ذخيره شده در سلول عصبی، به کار گرفته می شود

·        يک استراتژی فراگيری رقابتی، که سلول عصبی با بزرگترين پاسخ را انتخاب می کند، به کار برده می شود

·        از روشی برای تقويت بزرگترين پاسخ استفاده می شود

 

کوهونن

تئو کوهونن مقالات تحقيقی و کتاب های بسياری در مورد حافظه انجمی و سيستم های خود سازمانده نوشته است. اما شبکه هايی که اکنون شبکه هايی کوهونن ناميده می شوند، فقط بخش کوچکی از کارهای تحقيقاتی او محسوب می شوند.

هدف شبکه کوهونن، توليد يک طبقه بندی کننده الگوست. بطور نوعی، يک شبکه کوهونن، از يک آرايه دو بعدی از سلول های عصبی تشکيل شده است که در آن تمام ورودی ها، به تمام سلول های عصبی وارد می شوند. هر سلول عصبی مجموعه وزنی خود را که می توان آن را به عنوان يک الگوی نمونه تلقی کرد، دارد. هنگامی که يک الگوی ورودی به شبکه ارائه می شود، سلول عصبی الگوی نمونه ای که بيشترين شباهت را به الگوی ورودی دارد، بزرگترين پاسخ را خواهد داشت. اما يک تفاوت اين سيستم با سيستم های خود سازمانده ديگر، اين است که الگوهای نمونه طوری ذخيره می شوند که نمونه های مشابه را بتوان در سلول های عصبی ای که از نظر فيزيکی به يکديگر نزديک هستند، يافت و نمونه هايی که بسيار متفاوت هستند، در فاصله دور از يکديگر واقع می شوند.

نگاشت های خود سازمانده مثال های خوبی از شبکه های کوهونن هستند. هدف نگاشت های خود سازمانده توليد شبکه ای است که در آن وزن ها معرف مختصات نوعی سيستم و يا نگاشت توپولوژی باشند و اجزاء شبکه بصورت مرتبی چيده شده باشند. به عنوان مثال، يک سيستم مختصات دو بعدی، بصورت ايده آل در يک آرايه دو بعدی از اجزاء توليد خواهد شد که در آن وزن های هر جزء متناظر با مختصات است.

در اين روش ابتدا وزن ها بصورت تصادفی انتخاب می شوند. سپس زوج مولفه ها که بطور تصادفی انتخاب شده اند، بدون هيچ اشاره ای به اينکه از يک شبکه مربعی انتخاب شده اند به سيستم ارائه می شوند. آنگاه سيستم بايد خود را به گونه ای مرتب کند که وزن ها به مختصات مربوط شوند و مکان عنصر نيز متناظر با مکانش در سيستم مختصات باشد.

You have no rights to post comments