32. Sieci neuronowe - rodzaje, zastosowania

Rodzaje sieci neuronowych (budowa)

Jednowarstwowe:

• w sieci jednokierunkowej jednowarstwowej neurony są ułożone w jednej warstwie, zasilanej z węzłów wejściowych. Połączenie węzłów wejściowych z wyjściową jest zwykle typu każdy z każdym. Przepływ sygnałów występuje w jednym kierunku, od wejścia do wyjścia.

• węzły wejściowe nie tworzą warstwy neuronów, gdyż nie zachodzi w nich żaden proces obliczeniowy. Sposób doboru wag i wybór metody uczenia decyduje tutaj o nazwie sieci. Metody uczenia są łatwe i proste w implementacji praktycznej. Sieć tego rodzaju może stanowić zarówno sieć Kohenena, jak i perceptron jednowarstwowy. Będą z tym także związane rodzaje funkcji aktywacji oraz metody uczenia.

Wielowarstwowe:

• Cechą sieci jednokierunkowych wielowarstwowych jest występowanie, co najmniej jednej warstwy ukrytej, pośredniczącej w przekazywaniu sygnałów

• Sygnały wejściowe są podawane na pierwszą warstwę ukrytą neuronów, a te z kolei stanowią sygnały źródłowe dla kolejnej warstwy. W sieci tej występują połączenia pełne między warstwami. W szczególności w niektórych zastosowaniach pewne połączenia międzyneuronowe mogą nie wystąpić i mówi się wówczas o połączeniu częściowym. Uczenie perceptronu wielowarstwowego odbywa się zwykle z nauczycielem.

• Sieci jednokierunkowe wielowarstwowe często wykorzystują nieliniową funkcję aktywacji typu sigmoidalnego i stanowią naturalne uogólnienie perceptronu Rosenblatta.

Rekurencyjne

• Sieci rekurencyjne różnią się od sieci jednokierunkowych występowaniem sprzężenia zwrotnego między warstwami wyjściowymi i wejściowymi. Można tu wyróżnić sieci jednowarstwowe mające jedynie jedną warstwę neuronów wyjściowych oraz sieci mające dodatkową warstwę ukrytą - sieci wielowarstwowe rekurencyjne

• Proces ustalania się sygnałów wyjściowych sieci rekurencyjnych jest procesem dynamicznym ze względu na występowanie jednostkowych operatorów opóźnienia. Biorąc pod uwagę nieliniowość funkcji aktywacji neuronów jest to dynamika nieliniowa, stanowiąca istotną cechę tego rodzaju sieci

Komórkowe

• neurony powiązane są jedynie z lokalnymi sąsiadami, przy czym powiązanie jest wzajemne (dwukierunkowe) i dotyczy neuronów należących do tzw. sąsiedztwa.

Zastosowanie sieci neuronowych

• W technice:

• robotyka i automatyka (teoria sterowania, optymalizacja, percepcja ruchu i jego planowanie, identyfikacja i sterowanie procesami dynamicznymi, modelowanie nieliniowe procesów, opracowywanie sygnałów sterujących, układy śledzące i nadążne, adaptacja, klasyfikacja)

• pamięci asocjacyjne (dwukierunkowe, skojarzeniowe, pamięci heteroasocjacyjne-odtwarzanie, odszumianie)

• zagadnienia rozpoznawania, a zwłaszcza rozpoznawania kontekstowego

• klasyfikacja, analiza i przetwarzanie obrazów (kompresja, segmentacja, odtwarzanie, rozumienie)

• przetwarzanie sygnałów (konwersje, filtracje, aproksymacje, transformacje)

• W ekonomii:

• przewidywanie (prognozy ekonomiczne)

• klasyfikacja (kondycja przedsiębiorstw, opłacalne branże)

• adaptacja (wnioskowanie na podstawie zgromadzonych danych)

• analiza danych (ustalenie np. przyczyn niepowodzeń określonych przedsięwzięć)

• optymalizacja (poszukiwanie rozwiązań np. problem komiwojażera)

---