Sztuczny neuron
Najważniejszym krokiem w tworzeniu sztucznej sieci neuronowej jest określenie modelu neuronu. Matematyczny model neuronu będziemy nazywać neuronem formalnym.
W uproszczeniu neuron wykazuje dwa podstawowe stany: spoczynku i wzbudzenia. Aby wzbudzić neuron potrzeba pewnej ilości nagromadzonych w czasie sygnałów wejściowych.
Jednym z najważniejszych modeli neuronów jest neuron McCullocha-Pittsa(1943).
Stan takiego modelu jest opisany poniższymi równaniami:
gdzie: jest stanem neuronu i-tego w czasie t.
– jest funkcją aktywacji neuronu,
jest polem lokalnym działającym na neuron i w czasie t,
progiem zadziałania i-tego neuronu
siłą połączenia synaptycznego między i-tym a j-tym neuronem.
stanem j-tego neuronu w chwili wcześniejszej
/
Funkcja postaci Heaviside’a:
Powyższą funkcję będziemy oznaczać jako:
Powyższy neuron jest dwustanowy, przyjmuje wartości , przy czym
będzie oznaczać neuron w stanie spoczynku
a , stan wzbudzony.
Z powyższego rysunku wynika, że neuron przechodzi w stan wzbudzony w chwili t, gdy pole przekracza wartość progu
.
Wartość pola lokalnego jest wynikiem sumowań stanów wszystkich neuronów a wartość progu jest parametrem charakteryzującym i-ty neuron.
Powyższy neuron “nie ma pamięci” – na jego stan wpływa tylko to co działo się w chwili .
Można zastosować prostą transformację tak by neuron przyjmował wartości -1 i +1, co pozwala podobiznę do układu magnetycznego, gdzie są dwa przeciwne kierunki.
Owa transformacja wygląda tak:
Przykładem bardziej złożonego neuronu jest neuron Aihary:
gdzie jest funkcją aktywacji która ma postać:
, g jest parametrem wzmocnienia, k- czynnkiem tłumiącym a
-progiem.
Na bieżący stan neuronu wpływają jego porzednie stany z r poprzednich kroków czasowych. Wykładniczy czynnik
określa, że im wcześniejszy stan jest bardziej odległy od bieżącego stanu neuronu, tym wpływ jest mniejszy.
Neurony analogowe:
Dla tej grupy neuronów stak i..-tego neuronu jest określony aktywnością . Zależy on od prądów indukowanych przez neurony, upływności przez oporność błony komórkowej i dopływu prądów od otoczenia
.
Stan ww neuronu opisują poniższe równania:
I-ty neuron charakteryzowany jest prze pojemność , oporność błony
i funkcję aktywacji
.
Oczywiście sztuczne neurony są łączone w wielkie struktury które nazywamy sieciami neuronowymi, o których jeszcze się dowiecie z bloga w najbliższym czasie.
Czas na zastosowania:
-systemy rozpoznawania tekstu
-rozpoznawanie artykułów niebezpiecznych na lotniskach
-synteza mowy
-aproksymacja i prognozowanie danych wyjściowych na podstawie danych wejściowych
-kojarzenie i analiza danych
-prognozy giełdowe
-prognozy cen
-poszukiwania ropy naftowej
i wiele innych.
Filed under: Informatyka,Sztuczna inteligencja - @ 23 października 2017 15:08
Tagi: funkcja aktywacji, neuron, neuron analogowy, sieci neuronowe, sztuczna inteligencja, sztuczny neuron