КӨПҚАБАТТЫ ПЕРСЕПТРОН

Жұмыс түрі: Материал
Тегін: Антиплагиат
Көлемі: 7 бет
Таңдаулыға:

Розенблатт персептроны және оны оқыту: Розенблатт персептроны және оны оқыту

Розенблатт персептроны және оны оқыту:

Hoca Ahmet Yesevi Uluslararası Kazak Türk Üniversitesi

Қожа Ахмет Ясауи атындағы Халықаралық қазақ-түрік университеті

Дайындаған: Иброхимов Исроил

Тобы : АБК-711

Кентау 2021

МАЗМҰНЫ

КІРІСПЕ2

ПЕРЦЕПТРОН ДЕГЕНІМІЗ НЕ?4

КӨПҚАБАТТЫ ПЕРСЕПТРОН7

ПЕРЦЕПТРОН ҚАЛАЙ ЖҰМЫС ІСТЕЙДІ?8

ПЕРСЕПТРОНДЫ ДАМЫТУ9

ҚОРЫТЫНДЫ10

КІРІСПЕ

1943 жылы Уоррен Мак-Каллок пен Уолтер Питтс "жүйке белсенділігіне қатысты идеялардың логикалық есебі" атты мақаласында жасанды нейрондық желі ұғымын ұсынды. Атап айтқанда, олар жасанды нейронның моделін ұсынды. Дональд Хебб 1949 жылы "мінез-құлықты ұйымдастыру" еңбегінде нейрондарды оқытудың негізгі принциптерін сипаттады.

Бұл идеяларды бірнеше жылдан кейін американдық нейрофизиолог Фрэнк Розенблатт дамыды. Ол адамның қабылдау процесін модельдейтін құрылғы схемасын ұсынды және оны "перцептрон"деп атады. Перцептрон сенсорлық өріс болып табылатын фотоэлементтерден сигналдарды электромеханикалық жад ұяшықтарының блоктарына жіберді. Бұл жасушалар коннективизм принциптеріне сәйкес кездейсоқ бір-бірімен байланысқан. 1957 жылы Корнелл Аэронавтика зертханасында IBM 704 компьютеріндегі перцептронды модельдеу сәтті аяқталды, ал екі жылдан кейін, 1960 жылы 23 маусымда Корнелл университетінде ағылшын алфавитінің кейбір әріптерін тануға қабілетті алғашқы нейрокомпьютер - Марк-1 көрсетілді.

Перцептронды кескіндерді жіктеуге "үйрету" үшін адамның оқу процесін еске түсіретін сынақтар мен қателіктерді оқытудың арнайы итерациялық әдісі - қатені түзету әдісі жасалды. Сонымен қатар, бір немесе басқа әріпті тану кезінде перцептрон жеке жағдайларда маңызды емес айырмашылықтарға қарағанда статистикалық түрде жиі кездесетін әріптің сипаттамаларын ажырата алды. Осылайша, перцептрон әр түрлі жолмен жазылған әріптерді бір жалпыланған кескінге жинақтай алды. Алайда, перцептронның мүмкіндіктері шектеулі болды: машина ішінара жабық әріптерді, сондай-ақ оның жаттығу кезеңінде қолданылғаннан гөрі ығысу немесе бұралу арқылы орналастырылған басқа өлшемдегі әріптерді сенімді түрде тани алмады.

Алғашқы нәтижелер туралы есеп 1958 жылы пайда болды-содан кейін Розенблатт "Перцептрон: мидағы ақпаратты сақтау мен ұйымдастырудың ықтималды моделі"атты мақала жариялады[7] . Бірақ ол 1962 жылы "нейродинамика принциптері: Перцептрондар және ми механизмдерінің теориясы"кітабында қабылдау және перцептрондар процестеріне қатысты өзінің теориялары мен болжамдарын толығырақ сипаттайды. Кітапта ол бір жасырын қабаты бар перцептронның дайын модельдерін ғана емес, сонымен қатар кросс - (ҮШІНШІ ТАРАУ) және кері (ТӨРТІНШІ ТАРАУ) байланыстары бар көп қабатты перцептрондарды қарастырады. Кітапта бірқатар маңызды идеялар мен теоремалар енгізілген, мысалы, перцептронның конвергенция теоремасы дәлелденген.

ПЕРЦЕПТРОН ДЕГЕНІМІЗ НЕ?

Перцептрон - бұл екілік жіктеуді орындау алгоритмі болып табылатын нейрондық желі. Ол объектінің белгілі бір санатқа жататындығын анықтайды (мысалы, суреттегі жануар мысық па, жоқ па) .

Персептрон нейрондық желілер мен жасанды интеллект тарихында ерекше орын алады, өйткені оның тиімділігі туралы алғашқы елестер деп аталатындардың пайда болуына әкелді. 2000 жылдары Джефф Хинтонның еңбектері жарияланғаннан кейін мұз әсер етті, оның нәтижелері машинаны оқытудың барлық салаларын өзгертті.

Фрэнк Розенблатт

Перцептронның негізін қалаушы Фрэнк Розенблатт оны алгоритм емес, құрылғы ретінде танымал етті. Персептрон әлемге алғаш рет аппараттық құрал ретінде кірді. Корнелл университетінде оқып, содан кейін дәріс оқыған психолог Розенблатт АҚШ-тағы теңіз зерттеулер басқармасынан оқуға болатын машинаны жобалау үшін қаражат алды. Оның "Mark I" деп аталатын құрылғысы осылай көрінді:

perceptron 1950

Перцептрон-бұл сызықтық классификатор, яғни түзу сызықтың екі санатын бөлу арқылы объектіні жіктейтін алгоритм. Нысан әдетте вектор болып табылады-салмағы w-мен алынған және b-ге ауыстырылған x функциясы: y = w * x + b .

Шығу кезінде персептрон салмақ коэффициенттерін қолдана отырып сызықтық комбинацияны қалыптастыру арқылы бірнеше нақты кіріс объектілеріне негізделген y нәтижесін шығарады (кейде нәтижені сызықты емес активтендіру функциясы арқылы өткізу арқылы) . Бұл математика тілінде қалай көрінеді:

мұндағы w -салмақ коэффициенттерінің векторы, x - кіріс нысандарының векторы, b - ығысу, φ - сызықтық емес активтендіру функциясы.

Розенблатт бір қабатты перцептронды ойлап тапты. Бұл оның аппараттық алгоритмінде нейрондық желілерге белгілер иерархиясын модельдеуге мүмкіндік беретін бірнеше деңгей жоқ дегенді білдіреді. Бұл кішігірім нейрондық желі болды, бұл перцептронға сызықтық емес жіктеуді жүзеге асыруға кедергі келтірді, мысалы, XOR функциясының мәнін есептеу (XOR операторының триггері - екі объектінің сәйкес келмеуі, басқа атау - "эксклюзивті НЕМЕСЕ"), деп көрсетті Минск және Паперт өз кітабында.

КӨПҚАБАТТЫ ПЕРСЕПТРОН

Көп қабатты перцептрондарды кейінгі зерттеу олардың XOR операторын да, басқа да көптеген сызықтық емес функцияларды жақындата алатындығын көрсетті.

Розенблатт 1943 жылы жасалған Маккаллох-Питс нейронына перцептронды құрғандай, перцептрондардың өзі де көп қабатты перцептрондар сияқты үлкен функцияларда ғана пайдалы болатын құрылыс блоктары болып табылады.

Көп қабатты перцептрон-терең оқуды үйренудің жақсы бастауы.

многослойный перспетрон анимация

Көп қабатты перцептрон-бұл бірнеше перцептрондардан тұратын терең жасанды нейрондық желі. Көп қабатты перцептрондар сигналды қабылдау үшін кіріс қабатынан, кіріс объектісі туралы шешім қабылдайтын немесе болжайтын Шығыс қабатынан тұрады, ал олардың арасында нақты есептеу қозғалтқышы болып табылатын жасырын қабаттардың ерікті саны болады. Бір жасырын қабаты бар көп қабатты перцептрондар кез-келген үздіксіз функцияны жақындата алады.

ПЕРЦЕПТРОН ҚАЛАЙ ЖҰМЫС ІСТЕЙДІ?

Персептрондар көбінесе бақыланатын оқу тапсырмаларын шешу үшін қолданылады: олар кіріс/шығыс нысандарының жұптарын жинауға үйретіледі және осы мәліметтер арасындағы корреляцияны (яғни тәуелділікті) модельдеуді үйренеді. Оқыту қатені азайту үшін модель параметрлерін (салмақ коэффициенттері, ығысулар) орнатуды қамтиды. Қателікке қатысты осы параметрлерді түзету үшін кері таралу алгоритмі қолданылады, ал қатенің өзін әртүрлі жолдармен, соның ішінде rmse орташа квадраттық ауытқуды есептеу арқылы есептеуге болады.

Көп қабатты персептрон сияқты тікелей тарату желілері теннис немесе теннис теннисіне ұқсас. Олар негізінен қозғалыстың екі түрінен тұрады: алға және артқа. Болжамдар мен жауаптар арасындағы теннис ойынының бір түрі шығады, өйткені әр болжам-бұл біз білетін нәрсені тексеру, ал әр жауап - бұл біздің қаншалықты қателескенімізді білуге мүмкіндік беретін кері байланыс.

Алға қадам басқан кезде сигнал ағыны кіріс қабатынан жасырын арқылы шығысқа қарай жылжиды, ал шығыс қабатында алынған шешім априорно белгілі дұрыс жауаппен салыстырылады.

Күрделі функцияларды перцептрон арқылы дифференциалдау ережесін қолдана отырып, кері қадам жасаған кезде жартылай туынды функциялар, салмақ коэффициенттері мен ығысулар бойынша қателер таралады. Бұл саралау актісі бізге қателік градиентін береді, оның көмегімен модель параметрлерін реттеуге болады, өйткені олар MP-ны қателіктің минимумына бір қадам жақындатады. Мұны кез-келген градиентті оңтайландыру алгоритмінің көмегімен жасауға болады, мысалы, стохастикалық градиентті түсіру әдісі. Желі қате жойылғанша теннис ойнауды жалғастырады. Бұл жағдайда конвергенция пайда болады дейді.

ПЕРСЕПТРОНДЫ ДАМЫТУ ... жалғасы

Сіз бұл жұмысты біздің қосымшамыз арқылы толығымен тегін көре аласыз.