Kjemi

Nevrale nettverk – en introduksjon

Nevrale nettverk – en introduksjon


We are searching data for your request:

Forums and discussions:
Manuals and reference books:
Data from registers:
Wait the end of the search in all databases.
Upon completion, a link will appear to access the found materials.

Eksempel på nettverk: XOR-nettverk med fire celler

Som et første eksempel på et lite nevralt nettverk vil et av de mest kjente nettverkene brukes, det såkalte XOR-nettverket med fire celler. Det er populært fordi det fungerer med binære aktiveringer, er lite nok til å bli mentalt beregnet, og samtidig er et eksempel på et nettverk som trenger minst ett lag med skjulte nevroner for å gjøre jobben sin.

Dette nettverket trenger bare binære verdier 0 og 1 for aktivering av nevronene. Det bruker standard forplantningsfunksjonen for å beregne nettverksinngang (ligning) og en binær terskelfunksjon som aktiveringsfunksjon for det ene skjulte nevronet og utgangsnevronet ( ligning).

nettjt=JegOJegtwJegj
enjt=1hvisnettjtΘj0ellers

Utgangsfunksjonen til disse nevronene er identitet, dvs. Ojt=enjt.

Som i mange andre nevrale modeller videresender inngangsnevronene den eksternt påførte inngangen uendret, slik at de har identitetsfunksjonen og en terskelverdi på null som aktiverings- og utgangsfunksjoner.

W.=w11w14w41w44=0011001100020000

Det er lett å se her at vektmatrisen er gitt av ligningen. I dette nettverket legges terskelverdien (bias) til nevronene for det enkelt nevronet i det skjulte laget og utgangsnevronet direkte inn i nevronene. Man kan enkelt sjekke at for alle fire mulige inngangskombinasjoner av 0 og 1 beregnes den korrekte verdien som utgangen til celle 4, som tilsvarer en binær XOR (boolsk XOR-operasjon) O1O2=O4).

Tab. 1
Nettverksinnganger og -utganger av nevronene i XOR-nettverket.
O1O2nett3Θ3O3nett4Θ4O4
00nett3=01+01=01,50nett4=01+01+02=00,50
01nett3=01+11=11,50nett4=01+11+02=10,51
10nett3=11+01=11,50nett4=11+01+02=10,51
11nett3=11+11=21,51nett4=11+11+12=00,50

Merk at selv om dette nettverket er et multi-level feed-forward-nettverk, er det ikke av typen full-lags, fullt koblet topologi tidligere beskrevet fordi inngangene er direkte koblet til utgangsneuronen. Slike tilkoblinger som hopper over nivåer er også kjent som snarveiforbindelser.


Video: HERSENEN -11- Neurale netwerken (Kan 2022).