Анисимова Э.С. ассистент
кафедра информатики и дискретной математики
Елабужский институт Казанский (Приволжский) Федеральный Университет
Россия, г. Елабуга ВВЕДЕНИЕ В АРХИТЕКТУРУ НЕЙРОННЫХ СЕТЕЙ
Аннотация. Данная статья описывает архитектуру нейронных сетей. Подробно рассматриваются модели однослойного, многослойного перцептрона.
Ключевые слова: искусственные нейронные сети, перцептрон.
Нейронные сети (Neural network) представляют собой упрощенную модель человеческого мозга. Мозг состоит из нейронов, которые являются индивидуальными процессорами. Нейроны соединяются друг с другом с помощью нервных окончаний двух типов: синапсов, через которые в ядро поступают сигналы, и аксонов, через которые нейрон передает сигнал далее. Человеческий мозг состоит примерно из 10А11 нейронов. Каждый нейрон связан примерно с 1000 других нейронов (это не относится к коре головного мозга, где плотность нейронных связей намного выше). Структура мозга высокоциклична, но ее можно рассматривать и как многослойную.
В очень упрощенном виде работу мозга можно представить так: внешний слой сети передает импульсы от сенсоров из внешней среды, средний слой (или кора головного мозга) обрабатывает импульсы, а "выходной" слой выдает результат (действие) обратно во внешнюю среду. Искусственные нейронные сети имитируют работу мозга. Информация передается между нейронами, а структура и вес нервных окончаний определяют поведение сети.
Однослойный перцептрон (Single layer perceptron - SLP) представляет собой концептуальную модель, которая состоит из одного процессора. Каждое соединение от входа к ядру включает коэффициент, который показывает фактор веса и обозначается с помощью веса Wi который определяет влияние ячейки Ui на другую ячейку. Положительные веса показывают усиление, а отрицательные запрещение. Совместно с входами в ячейку они определяют поведение сети.
Из
Рис. 1. Однослойный перцептрон
Ячейка включает три входа (^1, u3). Кроме этого, есть вход смещения W0. Каждое входное соединение имеет вес ^1, w2 и w3). Наконец, существует единый выход, О. Состояние на выходе нейрона обозначено как У и определяется уравнением.
Выражение, показанное в уравнении, является функцией, которая суммирует сигналы на всех входах с учетом веса, а затем добавляет смещение. Затем результат передается в активационную функцию, которая может быть определена так, как показано в уравнении (в данном случае функция является пороговой). у = 0, если (у<=0) у = 1, если (у> 0)
Хотя однослойный перцептрон является очень простой моделью, ее возможности весьма велики. Например, можно легко сконструировать базовые логические функции.
<И> <ИЛИ> <НЕ>
-1-->[ У ]->о 0-->[ У ]->о 0.5-->[ У ]->о
А А А А А
|1 |1 |1 |1 1-1
и1 и2 и1 и2 и1
Рис. 2. Конструирование базовых логических функций Вспомните, что функция И имеет значение 1, если оба входа равны 1, в противном случае функция возвращает значение 0. Поэтому если заданы оба входа (вектор и = (1,1)), то, используя активационную функцию в качестве порога, получим следующий результат:
Y = смещение + u1*w1, + u2*w2 или 1 = порог(-1+(1*1)+(1*1)). Теперь попробуем подставить вектор и = (0,1): Y = смещение + u1*w1, + u2*w2 или 1 = порог(-1+(0*1)+(1*1)). Как показывают оба примера, модель простого перцептрона правильно реализует логическую функцию И (а также функции ИЛИ и НЕ). Однако однослойный перцептрон не может смоделировать такую логическую функцию, как исключающее ИЛИ (XOR). Эта неспособность к моделированию функции XOR известна как проблема отделимости.
Проблема отделимости была легко решена путем добавления одного или нескольких слоев между входами и выходами нейронной сети (см. рис. 3).
Рис. 3. Многослойный перцептрон
Это при вело к созданию модели, известной как многослойные перцептроны (Multiple layer perceptron - MLP).
Многослойные сети позволяют создавать более сложные, нелинейные связи между входными данными и результатами на выходе. На рис. 3 многослойная сеть состоит из входного, промежуточного (или скрытого) и выходного слоев Входной слой представляет входы в сеть и состоит из ячеек (нейронов) в традиционном смысле слова. Для каждой ячейки задан идентификатор Un. Две входные ячейки называются (u1 u2), две скрытые ячейки (u3, u4), а выходная ячейка - (u5). Обозначение соединений в сети
стандартизовано в форме w[1,3] и отображает связь с учетом веса между u3 и u1.
В то время как входные ячейки (u1 и u2) просто задают входное значение для сети, скрытые и выходные ячейки представляют собой функцию. Результат суммирования дополнительно обрабатывается функцией сжатия (вместо порога обычно используют сигмоид), результат которой выдается на выходе из ячейки.
Выходная ячейка u5 получает результат от двух скрытых ячеек (u3 и u4) через веса w[5,3] и w[5,4] соответственно. Здесь важно отметить, что функция сигмоида должна быть применена и к скрытым узлам сети. Уравнение показывает сумму результатов входов скрытого слоя с весами соединений.
В сети со скрытым и выходным слоями сначала выполняется расчет скрытого слоя, а затем его результаты используются для расчета выходного слоя.
Использованные источники:
1. Головко В.А. Нейронные сети: обучение, организация и применение. Учеб. пособие для вузов / Общая ред. А.И. Галушкина. - М.: ИПРЖР, 2001.256 с.
2. Девятков В. В. Системы искусственного интеллекта / Гл. ред. И. Б. Фёдоров. — М.: Изд-во МГТУ им. Н. Э. Баумана, 2001. — 352 с.
3. Люгер Дж. Ф. Искусственный интеллект: стратегии и методы решения сложных проблем = Artificial Intelligence: Structures and Strategies for Complex Problem Solving / Под ред. Н. Н. Куссуль. — 4-е изд. — М.: Вильямс, 2005. — 864 с.
Анисимова Э. С. ассистент
кафедра информатики и дискретной математики
Филипов А. Ф. студент 3го курса Елабужский институт Казанский (Приволжский) Федеральный Университет
Россия, г. Елабуга РАЗРАБОТКА КАЛЬКУЛЯТОРА ДЛЯ РАБОТЫ С КОМПЛЕКСНЫМИ ЧИСЛАМИ Аннотация. В статье рассматриваются возможности компьютерной программы для выполнения арифметических расчётов в комплексной области. Описаны особенности разработанной программы, её востребованность с точки зрения практического применения. Программа разработана в среде программирования Delphi.
Ключевые слова: калькулятор, комплексное число, возведение в степень, приоритет операций, форма комплексного числа.