Sieci neuronowe – rodzaje,

zastosowania

Pytanie nr 32

Adam Kołacki

Budowa komórki nerwowej

Układ nerwowy składa się z
tysięcy lub nawet milionów
wzajemnie połączonych komórek
nazywanych komórkami
neuralnymi lub neuronami. Każda
z nich jest złożonym układem
zajmującym się przetwarzaniem
sygnałów. Niektóre otrzymuja
informacje od narządów zmysłow,
inne przekazują informacje z
mózgu czy rdzenia kręgowego do
mięśni i gruczołów. Większość
łączy się z innymi neuronami
tworząc splątane struktury
nazywane siecią neuronową.

Model neuronu McCullocha-

Pittsa

Sygnały wejściowe x

j

(j=1,2,…,N) sumowane są z
Odpowiednimi wagami W

jj

w

Sumatorze, następnie
porównywane z progiem b

i.

Sygnał y

i

wyraża się wówczas

zależnością:

)

)

(

(

1

i

j

N

j

ij

i

b

t

x

W

f

y









x

1

x

2

x

n

W

i1

W

i2

W

iN

1

b

i

y

i

W której funkcja f(u) jest tzw. funkcją aktywacji:



















0

u

0

0

u

1

)

(u

f

Rodzaje sieci neuronowych

(budowa)

Sieci jednokierunkowe:
• Sieci jednowarstwowe,
• Sieci wielowarstwowe,
Sieci rekurencyjne,
Sieci komórkowe.

Sieci jednokierunkowa

jednowarstwowa

Sieć jednokierunkowa

wielowarstwowa

W sieci jednokierunkowej
przepływ sygnałów odbywa się
w 1 kierunku. Warstwa 1
stanowi warstwa wejściowa
składająca się z buforów danych
wejściowych. W warstwie
wejściowej sygnały jedynie
odchodzą. Warstwa ostatnia to
warstwa wejściowa. Z warstwy
wejściowej nie odchodzą
sygnały do innych warstw.
Wszystkie inne warstwy noszą
nazwę ukrytych. Każda warstwa
ukryta na wejściu sygnały z
warstwy poprzedniej i wysyła
sygnały do warstwy nastepnej.

Sieć rekurencyjna

Sieć neuronowa rekurencyjna
charakteryzuje się tym, że
powiązania neuronów są
dowolne, a przepływ w sieci
jest dwukierunkowy. Nazwa sieci
wynika z tego, że wobec

istnienia

sprzężenie zwrotnego ustalenie
wartości sygnałów odbywa się w
sposób niebezpośredni, lecz
rekurencyjnie.

+

N

WE

N

WY

N

1

N

2

Sieć komórkowa

Sieć komórkowa –

neurony
powiązane

są jedynie z

lokalnymi

sąsiadami, przy czym
powiązanie jest
Wzajemne
(dwukierunkowe)
i dotyczy neuronów
należących do tzw.
sąsiedztwa.

C(1,1)

C(2,3)

C(2,2)

C(2,1)

C(1,3)

C(1,2)

C(3,3)

C(3,2)

C(3,1)

Rodzaje sieci neuronowych

(sposób uczenia)

uczenie z nauczycielem
uczenie bez nauczyciela

Uczenie z nauczycielem

uczenie z nauczycielem - zasada tej metody
uczenia polega na tym, iż dla zadanych danych
wejściowych, znana jest pożądana odpowiedź
sieci. Wykonanie porównania z odpowiedzią
udzieloną przez sieć pozwala ustalić błąd. Jego
wielkość może zostać wykorzystana do korekty
działania sieci. Nazwa metody oddaje jej

charakter

- kluczowym założeniem jest możliwość

skorzystania z gotowych, poprawnych

odpowiedzi - a więc wiedzy "nauczyciela.

Uczenie bez nauczyciela

uczenie bez nauczyciela - W takim przypadku nie
znamy prawidłowej odpowiedzi, a zadaniem sieci
jest jej ustalenie. Taka metoda uczenia jest
również nieobca człowiekowi. Każda próba
samodzielnej analizy nowych zjawisk i ustalenia
reguł nimi rządzących to uczenie bez nauczyciela
czyli bez znanych rozwiązań.

Przykładowe zastosowania

sieci neuronowych

systemy rozpoznawania mowy i

obrazu,

systemy diagnostyczne,
systemy telekomunikacyjne,
systemy informatyczne,
systemy decyzyjne,
sterowania i regulacja,
analiza stanów naprężeń w

konstrukcjach maszyn.