Главная страница
Контакты

    Басты бет


Жасанды нейрондық желілер негізі

жүктеу 58.39 Kb.



жүктеу 58.39 Kb.
Дата16.09.2017
өлшемі58.39 Kb.

Жасанды нейрондық желілер негізі



ЖАСАНДЫ НЕЙРОНДЫҚ ЖЕЛІЛЕР НЕГІЗІ
Мукеева Г.И., Альменаева Р.У., Мусагулова Г.Ш.

(Қорқыт Ата атындағы ҚМУ, Қызылорда қаласы)
Жасанды нейрондық желілер–есептердің кең көлемін шешуге арналған математикалық және алгоритмдік әдістер жиыны. Есепті шешуге арналған әмбебап құрал сияқты жасанды нейрожелінің өзіне тән сипатын бөлейік:

  • жасанды нейрондық желілер адамдардың жүйке жүйесінің ұйымдастырылуын жақсы түсінуге мүмкіндік береді;
    Жүйке жасушалары (нервные клетки, нейроны, нейроциты); (гр. neuronum, neurocytus; neuron - жүйке, kytos - жасуша) - жүйке ұлпасының негізгі морфологиялық және қызметтік құрылымдық бөлігі.
    Алгоритм, алгорифм (ағылшынша: algorіthm, algorіsmus - Әл-Хорезмидің атынан шыққан) - бастапқы берілген мәліметтермен бір мәнде анықталатын нәтиже алу үшін қай амалды (жұмысты) қандай ретпен орындау қажеттігін белгілейтін есептерді (мәселелерді) шешу (математикалық есеп-қисаптар орындау, техникалық объектілерді жобалау, ғылыми-зерттеу жұмысын жүргізу т.б.)
    Математика (гр. μάθημα - ғылым, білім, оқу; μαθηματικός - білуге құштарлық) - әлдебір әлемнің сандық қатынастары мен кеңістіктік формаларын, пішіндерін өлшейтін, оның ішінде - структуралар, өзгерістер, белгісіздік жөніндегі ғылым.
    Әмбебап құрал (Универсальный инструмент) - жұмыстардың кең ауқымын орындауға арналған құрал.


  • жасанды нейрондық желілер-ақпаратты өңдеу құралы;

  • жасанды нейрондық желілерде параллельді өңдеу мен нейрондармен мықты байланысы болуына орай әдеттегі компьютерлер шектеуіне байланысты болмайды;

  • жасанды нейрондық желілер болашақта жүйке жүйесінің жоғары функциялары: ақыл-ес, түйсік, эмоция, ойлау сияқты ерекшеліктерін түсінуге көмектесуі тиіс.

Жасанды нейрондық желі-функциясы желінің элементтерінің өзара байланыстарының күшімен анықталатын, ал есептеулер элементтердің өзінде немесе түйіндерде жүргізілетін және параллельді жұмыс істейтін көптеген қарапайым есептегіш элементтерден тұратын жүйе.

Жасанды нейрондық желі ретінде ақпарат өңдеу есептеуіш құрылғысы түсініледі.

Есептегіш, электр есептегіш - тұтынылған электр энергиясын есептеуге арналған өлшеуіш құрал. Тұрмыста жиілігі I 50 Гц, бір фазалы 220 В немесе 127 В айнымалы кернеуге арналған есептегіш пайдаланылады. Электр энергиясы киловатт-сағатпен өлшенеді.
Компьютер (ағылш. computer - «есептегіш»), ЭЕМ (электрондық есептеуіш машина) - есептеулерді жүргізуге, және ақпаратты алдын ала белгіленген алгоритм бойынша қабылдау, қайта өңдеу, сақтау және нәтиже шығару үшін арналған машина.
Ақпарат (лат. informatio - түсіндіру, мазмұндау) ұғымы күнделікті өмірден бастап техникалық салада пайдаланылатын көп мағыналы ұғым. Жалпы алғанда бұл ұғым шектеу, байланыс, бақылау, форма, инструкция, білiм, мағына, құрылым, бейнелеу, сезіну тағы басқа ұғымдармен тығыз байланысты.
Ол байланыстар немесе синапстар деп аталатын ақпарат алмасу бауларымен өзара байланысқан параллельді жұмыс істеуші қарапайым процессорлық элементтердің үлкен сандары – нейрондардан тұрады. Нейрондық желіде сыртқы әлемнен хабар алатын байланыстардың тобы және нейрондық желінің берілетін сигналдарды алынатын шығыс байланыстардың тобы болады.
Сигнал (лат. signum - белгі) - берілген хабарды тасымалдайтын(алып жүретін) физикалық процесс.
Нейрондық желілер классификация мен жобалаудың әр түрлі есептерін шешу үшін қолданылады.

Нейрожеліні модельдеу екі әдіспен орындалады:


  1. ЭЕМ-де нейрожеліні модельдеу;

  2. ЭЕМ-нің нейрожелімен жұмысын жылдамдатуға арнайы мамандандырылған нейроплата және нейропроцессор құру.

Бірінші әдісті ЭЕМ-мен салыстырғанда шапшаңдығы жеңіліс табады, ал екінші әдісте бір нейрожелі моделінен екіншісіне өтуге рұқсат етілмейді, модель пайдаланатын нейроплата немесе нейропроцессормен анықталады және модельді ауыстыру үшін нейропроцессорды ауыстыру керек.

Нейрожеліде есептердің орынды шешілуі мына кезеңдерге қатысты:



  • қолданушы кескінін тану;

  • ақпаратты іздеу және модель құру: өзіндік тілді қалыптастыру;

  • математикалық жүйеге қиын және сызықтық емес әр түрлі модельдерді қалыптастыру;

  • басқару жүйесі;

- шешім қабылдау және логикалық шешім.

Нейрожелі тәжірибелік мәліметтерді сақтауға және қолдануға табиғи бейімділігі бар параллельді таратылған процессорлар жиыны. Ол екі жағдайда миға ұқсас:



  1. Білім қоры желіні оқыту үрдісінде қалыптасады.

  2. Синаптикалық салмақ ретінде анықталған нейрон аралық бірігу күштері есте сақтау үшін қолданылады.
    Салмақ - Жер бетіне жақын тұрған денеге әсер ететін ауырлық күшінің сандық шамасы: P=mg, мұндағы m - дене массасы, g - еркін түсу үдеуі (немесе ауырлық күшінің үдеуі). Дененің массасы тұрақты шама, ал g мәні Жер бетіндегі ендікке және теңіз деңгейінен есептелетін биіктікке байланысты (мысалы, Алматы үшін g=9,804м/с2) өзгеретіндіктен, оған сәйкес дененің салмағы да өзгереді.
    Логика (гр. λογική - «талдауға құрылған», λόγος - «сөз», «сөйлем», «ойлау», «ақыл») - ойлау, оның формалары мен заңдылықтары туралы ғылым. Логика дәлелдеу мен теріске шығарудың белгілі бір әдіс-тәсілдері қаралатын ғылым теориялар жиынтығын құрайды.
    Мәліметтер (данные; data) - автоматты құралдардың көмегімен, кей жағдайда адамның қатысуымен, өңдеуге I ыңғайлы түрде берілген мағлұмат. Мәліметтердің кірістік, шығыстық, басқару, проблемалық, сандық, мәтіндік, графикалық және т.б.
    Жағдай - адам әрекетінің , жан-жануарлар тіршілігінің, табиғат пен қоғамдағы өзгерістің, оқиғаның, т.б. айналадағы ортаның ықпалына тәуелділігін білдіретін философиялық ұғым. Табиғаттағы, қоғамдағы белгілі бір өзгерісті тудырушы алғышарт есебінде де қарастырылады.
    Есте сақтау - жадында түту. Ес үрдістерінің бірі, жаңадан түсіп жатқан ақпаратты жадыға енгізуді белгілейді. Есте сақтау динамикасын психодиагностикалау әдістемесі - адамның есте сақтауының динамикалық сипаттарын анықтауға көмектесетін психодиагностикалық әдістемелер, көбіне бұл әдістемелер адам қаншалықты тез есте сақтайтынын және ақпаратты өндеуін анықтайды.
    Синаптикалық салмақтар нейрожелінің параметрлері ретінде қабылданады. Сонымен жасанды нейрожүйелер немесе нейрожелілер - тәжірибелік білімді алуға, есте сақтауға және қолдануға мүмкіндік беретін физикалық ұяшықты жүйелер.

Жасанды нейронның құрылымын және олардың нақты есептерді шешуде қолданылуын қарастырайық.
Физика (көне грекше: φύσις - табиғат) - зат әлемді және оның қозғалысын зерттейтін ғылым. Бұл жөнінде физика күш, энергия, масса, оқтама т.б. сияқты тұжырымдамалармен шұғылданады.
Құрылым (лат. structura - түзіліс, орналасу, тәртіп) - объектінің тұтастығын, тепе-теңдігі мен негізгі қасиеттерінің сақталуын қамтамасыз ететін байланыстар мен қатынастар жиынтығы. Құрылым жүйе және элемент ұғымдарымен тығыз байланысты.

Нейрожелінің әртүрлі нұсқаларының көптігіне қарамастан, олардың ортақ жерлері де бар. Олардың барлығы адамның миы сияқты, бір-бірімен байланысқан көптеген біртипті элемент-нейрондардан құралады.


Сурет 1. Нейронның схемасы


Нейрожелі - нейронның кірісі мен ядросын байланыстыратын синапстардан тұрады. Нейрон ядросы енгізу сигналдары мен аксонды өңдеуді жүзеге асырады және нейронды келесі қабаттағы нейронмен байланыстырады. Әрбір синапстың салмағы бар. Ол нейронның кірісіне оның жағдайының қаншалықты әсер ету сәйкестігін анықтайды. Нейронның жағдайы (1) формула бойынша анықталады.


(1)


мұндағы

n – нейронның енгізілу саны

xi – нейронның і-інші енгізілу мәні

wi – і -інші синапс салмағы

Одан кейін нейрон аксоны мәні мына формула бойынша анықталады:

y = f (s) (2)

мұндағы f-белсенді функция. Белсенді функция ретінде сигмоид жиі қолданылады, ол мына (3) түрде болады.



(3)


Ол функцияның жетістігі, ол абцисса осі бойынша дифференциалданады және қарапайым туындысы болады.



(4)

Кері таратылатын нейрожелі. Кері таратылатын нейрожелі талдаудың сапалы жобалау заңдылығын іздейтін қуатты құрал. Кері таратылатын нейрожелі бірнеше нейрон қабаттарынан тұрады, әрбір і-нейрон қабаты i 1 нейрон қабатымен байланысты. Жалпы жағдайда нейрожеліні оқыту y=f(x) функционалдық тәуелділікті табуға әкеледі. Мұнда x – енгізу векторы, y-шығу векторы. Жалпы жағдайда мұндай есептер шектелген берілгендер жиынында шексіз шешімдер жиынын береді. Шектелген кеңістікте оқытуда нейрожелі қатесінің мақсатты функцияның минимизациялау есебі қойылады.
Функционал - бір не бірнеше функцияға тәуелді болатын айнымалы шаманы білдіретін математикалық ұғым. Ол алғаш рет вариациялық есептеуде пайда болған. Берілген тұйық қисық сызықпен шектелген аудан, белгілі бір жол бойындағы күш өрісінің жұмысы, т.б.
Кеңістік - философия, математика және физика секілді салаларды пайдаланылатын күрделі ұғым. Күнделікті өмірде іс-қимыл алаңы, барлық нәрселерді қамтитын ортақ ыдыс, әлдебір жүйе жай-жапсары сезініп түсініледі.
Ол ең кіші квадраттар әдісі бойынша табылады:


(5)


мұндағы

yj - j-ші шығатын нейрожелі мәні;

dj- j –ші шығудың мақсатты мәні;

p – шығу қабатындағы нейрон саны.

Нейрожеліні оқыту градиентті түсу әдісімен жүргізіледі, мұнда әрбір итерациядағы салмақтың өзгеруі (6) формула бойынша жүргізіледі.



(6)


мұндағы η- оқыту жылдамдығын анықтайтын параметр



(7)


мұндағы yj- нейронның j-ші шығу мәні;

Sj – (1) формула бойынша анықталатын енгізу сигналдарының қосындысы. Мұнда жиын:



(8)


Әрі қарай (7) формуланың бірінші жиынын анықтауды қарастырайық:


(9)


Мұндағы к - n 1 қабаттағы нейрон саны;

Қосымша айнымалы енгіземіз:




(10)


Онда n- қабаттағы анықтауда рекурсивті формуланы табамыз.
Рекурсия (лат.recursioкейін кайту) - дыбыс артикуляциясынын үшінші сонғы фазасы, яғни сөйлеу мүшелерінін дыбыс жасау позициясынан айрылып, бастапқы бейтарап калпына кайта оралуы.. Жалпы мағынасында рекурсия - элементтерін өзіне ұқсас түрде қайталайтын процестер.



(11)


- анықтау қиынға соғады, себебі бізге тек қана мақсатты вектор белгілі.


(12)


Енді (6) формуланы ашып жаза аламыз:


(13)


Нейрожеліні оқытудың толық алгоритмін қарастырайық:

    1. Талап ететін үлгінің бірін нейрожеліге ұсыну және нейрожелідегі шығатын нейрондардың мәнін анықтау;

    2. (12) - формула бойынша нейрожелінің шығатын қабаттарын және (13) формула бойынша шығатын қабаттың салмағының өзгеруін есептеу;

    3. (11) және (13) формула бойынша сәйкесті нейрожелі қабаттарын есептеу;

    4. (14) – барлық нейрожелі салмағын түзету.



      (14)

    5. Егер қате табылса, онда 1-қадамға өту керек.

Әртүрлі салмақта туындылары қатты айрықшаланғандықтан қарапайым градиентті түсу әдісі өте тиімді бола бермейді. Бұл әдісті жетілдіру үшін уақыт бойынша салмақтың өзгеруін енгізу керек. Онда (13) формула (13.1) түрге келтіріледі.



(13.1)



Әдебиеттер:

  1. Ф. Уоссермен. Нейрокомпьютерная техника: теория и практика. Перевод на русский язык Ю. А. Зуев, В. А. Точенов, 1992

  2. И. В. Заенцев. Нейронные сети: основные модели. Учебное пособие к курсу “Нейронные сети”

С. Короткий, "Нейронные сети: Алгоритм обратного распространения"

С. Короткий, "Нейронные сети: Основные положения"




Резюме
Нейронные сети являются новой вычислительной технологией, которая открывает выигрышные пути обработки информации. В результате использования искусственных нейросетей во многих областях науки открываются новые возможности в исследовании динамических задач и прогназировании финансовых результатов. Искусственные нейросети мы рассматриваем в виде вычислительных устройств обработки информации. Данная статья основана на математическом построении нейронных сетей.

Summary
The neuron networks are considered to be a new computer technology that opens efficient ways of information processing. As a result of using artificial neuron networks, in many fields of science there appeared new possibilities in the research of dynamic problems and the prognosis of financial outcomes. We consider the artificial neuron networks in the form of computer devices of data processing. The present article is based on the mathematical constructing of neuron networks.


жүктеу 58.39 Kb.