Багатошарові перцептронні ШНМ

Окремий перцептрон дозволяє вирішити нескладні інтелектуальні задачі по класифікації за деякою бінарною ознакою.

Якщож скористатися властивістю лінійного розуміння перцпетронна то комбінуючи їх у прошарки та НМЮ можна розширити клас задач а класифікацію, за багатьма ознаками і навіть на ідентифікацію та розпізнавання, розглянемо приклад:

Один перцептрон у двовимірному випадку умовно розділяє простір станів на два півпростори, активності на пасивності.Якщо у цьомуж просторі добавити ще один перцептрон та лінії розділити, додадуться 4 підпростори.

Ⓑ Ⓐ

Ʃ_I p_i Ⓓ Ʃ_I p_II

Ʃ_i<p

Ⓒ Ʃ_I<p_II

Зона А відповідає активному стану, обох перциптронів, зона В – активному іншому і пасивному другому перцептрону. Зона С – пасивному стану обох. Зона D – відповідає пасивному першому і активному другому перцептронів. Ці перцептрони можна з’єднати у таку нейрону мережу

Тут F – довільна функція, що модулює спосіб комбінування перцептронів.

Розглянемо тепер приклад у якому здійснюється класифікація графічних образів, за 2 ознаками:

Зображення зосереджується вище або нижче, центральної частини;

Зображення зосереджується лівіше або правіше центральної частини,

прикладами таких графічних образів може бути

Для класифікації n-их груп образів можна, використати 2 перцептрони у одному проміжку:

1-ий, перцептрон розділяє образи переважно на ті що вище або нижче середини, а 2-ий розділяє, образи на ті, що переважно лівіше або правіше від

середини. Очевидно, що класифікація, буде не вдалою при обробці образів такого виду:

Перших два зразки можуть невірно оброблятися другим перцептроном, а третій та четвертий зразок невірно оброблятиметься першим перцептроном.

Для реалізації такої задачі: вихідний прошарок мережі, які реалізує функцію F працюватиме із чотирма можливими варіантами виходу, які відповідають можливим варіантам виходів перцептронів першого прошарку

Out_F=I, якщо out_I=1, out_II=1

Out_F=II, якщо out_I=1, out_II=0

Out_F=III, якщо out_I=0, out_II=1

Out_F=IV, якщо out_I=0, out_II=0

В такого типу задачах класифікується за декількома бінарними ознаками результуючи можна, формувати двійковим представленням цілих чисел.У випадку двох бінарних ознак можливі варіанти виходу

(0₂;0₂) =0₁₀

(0₂;1₂)=1₁₀

(1₂;0₂)=2₁₀

(1₂;1₂)= 3₁₀

У випадку трьох бінарних ознак можливі 8 результатів

(0;0;0)=0

(0;0;1)=1₁₀

(1;1;1)=7₁₀

Переважно вище, лівіше і вздовж

Переважно нижче, правіше і ближче до центру

У випадку використання більшої кількості перцептронів у першому прошарку, які комбінуються за правилом композиції у просторі можливих станів їх лінії розділення

Упорядковані у деякий многокутник. Наприклад у випадку шести перцептронів внутрішність шестикутника відповідає активним станам усіх перцептронів

Зауваження:

Вибір пороку активізації для перцептрона є достатньо довільним і обирається емпірично. Тобто зменшення чи збільшення, порогу для навчання і подальшого розпізнавання – ваги підберуться саме під цей поріг, якщо ж поріг активації збільшити але після навчання, то перцептрон стане пасивнішим і частину образів, які відповідають активному стеку(непарні цифри) визначатиме невірно(як парні цифри), якщож поріг активації зменшити але після навчання, то перцептрон стане більш активним і частину образів, які відповідають пасивному стану(парні цифри) визначатиме невірно (як непарні).

Розділ 2.ШТУЧНІ НЕЙРОННІ МЕРЕЖІ ПРЯМОГО ПОШИРЕННЯ СИГНАЛУ (FEED FORWARD)

Дата добавления: 2015-08-31