Uživatelské nástroje

Nástroje pro tento web


pitel:msz:neural_singlelayer

Jednovrstvé neuronové sítě

(Hopfieldova, Kohonenova – učení, odezva, možné aplikace)


Základy viz Základní termíny neuronových sítí

Autoasociativní učení

Síť nastavuje váhy na svých neuronech dle trénovacích dat tak, aby při rozdílných vstupech excitovala různé neurony. Hledá tedy třídy či shluky.

Typy sítí

Maxnet

  • plně propojená síť, negativní váhy
  • po ustálení je jediná nenulová hodnota na neuronu, který měl původně nejvyšší hodnotu (odtud Maxnet)
  • odezva: vítězný neuron

Hopfield

  • plně propojená síť
  • autoasociativní učení
  • spoje mezi dvěma neurony mají totožnou váhu
  • v každém kroku se upravují váhy na hranách jako <m>{1/P} sum{p=1}{P}{i_{p i}i_{pj}}</m>
  • práh každého neuronu se upravuje tak, aby byl polovinou součtu všech vah na tomto neuronu
  • použití
    • shlukování
    • oprava dat
  • odezva: ustálí se v naučeném stavu, nebo v nesmyslném, pokud je vstup výrazně odlišný od všech trénovacích vzorků

Jednoduchá soutěživá síť

  • obsahuje jedinou Kohonenovu vrstvu
  • neurony spolu soutěží při každém vstupním vzorku
  • vítězný neuron určuje, do jakého shluku vzorek patří
  • s postupem času se snižuje efekt učení
  • učení
    • pro každý vzorek je nalezen neuron s váhami co nejbližšími vzorku
    • tyto váhy jsou poté tomuto vzorku ještě více přiblíženy
  • použití
    • klasifikace
  • odezva: excituje se jediný neuron, který určuje shluk či třídu

Kohonenovy mapy (SOM, Self Organizing Maps)

  • soutěživá síť, kde jsou upravovány i váhy topologických sousedů vítězného neuronu (v závislosti na vzdálenosti od vítěze)
  • nemusí být pouze lineární, neurony mohou být umístěny v mřížce, v prostoru, v různých útvarech, …
  • použití stejné jako soutěživá síť
    • větší rozlišovací síla, umí lépe reagovat na vícerozměrné vstupy a odhalovat vztahy v podmnožinách rozměrů
  • odezva: stejná jako u soutěživé sítě
/var/www/wiki/data/pages/pitel/msz/neural_singlelayer.txt · Poslední úprava: 30. 12. 2022, 13.43:01 autor: 127.0.0.1