wyklad-sicie neouronowe, PDF, Sztuczna Inteligencja
[ Pobierz całość w formacie PDF ]
SieciNeuronowe
Przegl¡darchitekturialgorytm
ó
wnauczania
PiotrBialas
IFp.443
6324888w.5571
pbialas@thrisc.if.uj.edu.pl
1
M
ó
zg/uk“adnerwowy
•
Ogromnamocobliczeniowa
•Rozpoznawanieobraz
ó
wimowy
(100−200ms).
•Sterowanie:ruch,walka
•Echolokacja
•itd
•
Du»awydajno–¢
•Ma“erozmiary
•10
−16
Joulanajedn¡operacjƒnajedn¡
sekundƒ(krzem
10
−6
)
•Prƒdko–¢
zegara
10
2
Hz
(krzem
10
8
)
•
Odporno–¢nauszkodzenia
•
Odporno–¢naszumy
•
Zdolno–¢uczeniaiadaptacji,uog
ó
lnianie
2
Jakone(my)torobi¡?
•Ogromnaliczba
prostych
element
ó
w
(m
ó
zgzawierarzƒdu10
10
neuron
ó
w).
•Dzia“anier
ó
wnoleg“e.
•Informacjazakodowanawpol¡czeniach
(m
ó
zgzawierarzƒdu10
13
synaps)
topologiaiwagisynaptyczne
•Du»aredundancja
3
Modelneuronu
wagi synaptyczne
x1
Sygnaly wejsciowe
wk1
Funkcja aktywacji
x2
uk
wk2
S
phi
aktywacja
yk
sygnal wyjsciowy
tk
prog
xp
wkp
u
k
=
X
i
w
ki
x
i
y
k
='(u
k
−
k
)
4
Funkcjeaktywacji
Progowa
Sigmoidalna
Uniibipolarnefunkcjesigmoidalne
'(u)=
1
1+exp(−u)
=tanh(u)
neuronstochastyczny
'(·)
prawdopodobie«stowo»enawyj–ciu
pojawisiƒwarto–¢1
5
1+exp(−u)
'(u)=
1−exp(−u)
[ Pobierz całość w formacie PDF ]