лекция. нейр.сети. Персептронды желілер
 Скачать 18.65 Kb.
|
|
Персептрондық желілер Персептрон – бірқабатты нейронды желі S нейрондармен және R кіріспен,әрқайсысы бірнеше элементтен тұрады.Әрбір нейронды кіргізіп тұратын функция сатылы үлгіде hardlim немесе hardilms.Негізгі кірістен басқа, персептрон нейрондары тұрақты ығысуға кірісі бар,бірлікке тең. Кірістің элементі мен ығысу функциясы dotprod скаляр туындысына және netsum жинақтау функциясының көмегімен еселенеді. Персептронды құруға келесі функция шығарылады: net=newp(PR, S, tf, lf), мұндағы,net– объект классы network; PR – массивтің өлшемі Rx2 минимальды және максимальды мағыналы R кіру векторы үшін; S– персептрон нейрондарының саны; Tf – берілген функция тізімінен {hardlim, hardlims} кейдеhardlim деп беріледі; If– тізімдегі оқитын функция {learnp,learnpn},кейде learnp деп берілуі мүмкін. Персептрон құруда, матрица салмағы және вектор ығысуы inetzero функциясы арқылы нөлмен сипатталады. Персептронды оқыту үшін адаптациясы adapt функциясы арқылы шығарылады,салмақпен ығысуын өзгерту, шыққан нәтиже кіру және шығу мағынада жасалады. (Мұғаліммен оқыту). adapt функциясын пайдаланылуына кепілдік береді,әрбір есеп классификациясы сызықтық бөлек вектормен өткен циклдың сонғы санмен жөнге келтіріледі.Trainоқыту функциясы желі параметрі жөнделу кезінді, әрбір асудан отпей ,барлық асулар нәтижесінде барлығын оқытуда,кей жағдайларда өту құрылымы қамтамасыз етілмейді,сондықтан персептрон оқытуда пайдаланылмайды. Салмақ пен ығысу құрылымы, learnp және learnpn функциялары мына төмендегі ережелермен орындалады: а) Кіру белгісі шығумен есептелінеді; б) Қателері анықталады,түпкілікті шығу екеуінің айырмашылығымен және шығу белгісімен бірге; в) Салмақты түзету орындалады және ығысу,ескі мағынасымен,әрқайсысы сәйкес келетін белгімен нейронның қатесіне,өлшемі дұрысталады. Оқыту мерзімімен сезілмейтіндей кішкентай және үлкен кіру векторының сыртқа шығарылуы, нормалық жасалуда кіру мәліметі салмақтық және ығысуы есептелінеді:  Бұндай нормалық learnp функциясы қамтамасыз етеді салмақ пен ығысуды қойылуында. Cонымен қатар автоматтандырылған net.adaptFcn қасиетінің мағынасы adaptwbберіледі. Adaptwb қасиеті салмақ пен ығысу настройкасында әр түрліфункцияларды пайдалануға рұқсат береді, net.adaptParam қасиеті– параметрі жинағы. Персептрон адаптациясы adapt (net,P,T)функция әдісімен шығарылады, ал P-кіру векторы,Т-тиісті мағына.Адаптация процесі жалғасады, критериялық сапасы орта есептегіш қатесі керекті мағынасы берілгенше, mae есептегіш функциясы арқылы . Сызықтық нейронды желілер Сызықтық желі – ол бір қабатты S нейроны мен R кірісі,әрқайсысы бірнеше элементтен тұрады.Әр қабаттағы нейрон purelinсызықтық функциясының қабатына келеді. Бұл сызықтық желінің персептроннан бірде – бір айырмашылығы.Сызықтық беру функциясыны 0 мен 1 шектелген. Сызықтық желі персептрон тәрізді классификацияның сызықты оңашаланған есепті шеше алады,бірақ онда Вудроу – Хоффа әдісінің оқыту ережесін пайдаланып,ең кіші квадараттың функциясын қолдану арқылы, персептрон ережесіне қарағанда қуаттырақ болып келеді. Бұдан бөлек сызықтық желінің нейрондық негізгі кірісі әрқашан ығысу кірісі болады,бірлікке тең.Кіріс пен ығысудың элементі dotprodскаляр функция көмегімен өлшенеді, netsum функция көмегімен жинақталады. Сызықтық нейрон желісі келесі тәсілдерден тұрады: net=newlin(PR, S, id, lr), net=newlin(PR, S, 0, P), net=newlind(P, T), мұндағы, PR- массив размері R*2 минимальды және максимальды мәні R векторының кірісі; S –нейрон саны; іd – кідіріс сызығының кіріс желісін бейнелеу [0]; lr– параметр жылдамдығының икемдеу 0,01; P – әр кездегі кіріс размерін R*Q тізбегі; Q - мөлшер тізбегі ; T – тізбектің мақсаты Р размері S*Q; O – нөл. Бірінші тәсіл қолданылады,желіге кідіріс қосқанда, динамикалық адаптикалық сызықтық нейрон желісін құру үшін ADALIN (ADApture Linear Neuron netwprks) кірістерді,күш пен ығысудың әрбір элементінің кірісін түсіреді.Мұндай желілер қеңінен қолданылады сигналдардың шешімін өңдеуде және басқару жүйелерінде. Екінші тәсіл сызықтық қабаттағы параметрлерін жылдамдықты икемдеу үшін максималдық дәреженің орнықтылығын кіріс Р кепілдік етеді.Бұл кезде сызықтық кідіріс қолданылмайды және желі статикалық болады. Бірінші және екінші тәсіл үшін инициализация желісіinitzero функциясы арқылы құрыладыі.Бейімделу мен оқыту желісіadaptwb функция көмегімен іске асады,ол күш пен ығысуды жақсартады,Видроу – Хоффа hearnwh функциясын қолданады да, мәнінің критериясының оқыту сапасының орта квадраттық қатесінің есептеуіш функциясыmse керекті мағынасына жетекенше. Үшінші тәсіл сызықтық статистикалық желіні сызықтық жүйенің алгебралық теңдеудің кіші квадратының тәсіліне қалыптастырады және икемдейді.Оны коэффициенттің функция жуықтамасы теңестіру арқылы динамикалық жүйені басқарады. Матрицаның жазылу есептелінген жүйенің алгебралық теңдеуінің сызықтығы мынандай: [W b]*[P;ones]=T, бұл жағдайда мына шарт орындалады: S*R+S=Q. Learnwh функциясы күш кірісінің ығысуы келесі векторлық формуласы арқылы шешіледі: pn = p/(sqrt(1+P(1)^2)+… +P(R)^2); dW = lr*e*pn; db = lr*e. Сызықтық желі моделінің жұмысында әртүрлі жағдай болуы мүмкін, барлық шартты орындау үшін сан параметрінің икемі жетіспесе,бұл жағдайда желі қайта анықталған деп есептелінеді.Егер де сан параметрі өте үлкен болса,онда желі анықталмаған болып есептелінеді. Бұл жағдайда,басқа жағдайда да кіші квадрат тәсілі күйді өндіреді де, желінің қатесін орындауға ұмтылыс жасайды. Бір қабатты сызықтық желінің архитектурасы барлық есеппен орындалады. Егер де кіріс санының желісі мен сан нейроны қабатта анықталып, санның кірісі мен шығыс есебімен сәйкестендірілсе, сол есеп арқылы орындалуы қажет. |