"Sieci neuronowe we wspomaganiu rozwiÄ zywania ... - IPPT PAN
"Sieci neuronowe we wspomaganiu rozwiÄ zywania ... - IPPT PAN
"Sieci neuronowe we wspomaganiu rozwiÄ zywania ... - IPPT PAN
Create successful ePaper yourself
Turn your PDF publications into a flip-book with our unique Google optimized e-Paper software.
3.2. <strong>Sieci</strong> <strong>neurono<strong>we</strong></strong><br />
3.2.1. Wprowadzenie<br />
W sieciach neuronowych przetwarzanie informacji odbywa się w sposób lokalny,<br />
poprzez realizowanie elementarnych procesów, czyli poprzez neurony. Pierwowzorem<br />
matematycznego modelu neuronu jest jego biologiczny odpowiednik. Dokładne działanie<br />
biologicznego neuronu nie jest do końca zbadane, więc wszystkie modele matematyczne są w<br />
pewnym sensie próbą przybliżonego odwzorowania działania biologicznego neuronu. Jednym<br />
z pierwszych modeli neuronów jest zaproponowany w 1943 roku model McCulloch-Pittsa<br />
[38]. Przyjmuje on neuron jako jednostkę binarną. Model neurony przedstawiony został na<br />
rysunku 3.2.<br />
Rys. 3.2 Model neuronu.<br />
Istota działania tego modelu polega na sumowania sygnałów <strong>we</strong>jściowych x przemnożonych<br />
przez wartości wag w . Otrzymana suma iloczynów ϕ nazywana jest potencjałem<br />
membranowym, to poprzez analogie z biologicznym neuronem. Działanie matematycznego<br />
motelu neuronu wyrazić można jako:<br />
N<br />
∑<br />
T<br />
ϕ = x * w = x * w ,<br />
i=<br />
1<br />
i<br />
i<br />
x = [ x , x<br />
1<br />
w = [ w , w<br />
1<br />
2<br />
,..., x ],<br />
2<br />
i<br />
,..., w ].<br />
Ostatni etap to działanie funkcji aktywacji f , dla której argumentem jest właśnie potencjał<br />
membranowy. Otrzymana wartość jest sygnałem wyjściowym neuronu y . W neuronie<br />
McCulloch-Pittsa jako funkcję aktywacji f zaproponowano funkcję progową, wyrażoną<br />
i<br />
wzorem:<br />
f<br />
⎧1,<br />
= ⎨<br />
⎩0,<br />
ϕ > p<br />
ϕ < p<br />
.<br />
Stosowane są również modelu neuronów z innymi funkcjami aktywacji. Najpopularniejszą<br />
z nich jest funkcja sigmoidalna.<br />
W ogólnym przypadku można przyjąć, że neuron realizuje pewne nielinio<strong>we</strong> odwzorowanie<br />
n : X → Y . X reprezentuje tu przestrzeń <strong>we</strong>jść, a Y przestrzeń wyjść. Rodzaj odwzorowania<br />
i przestrzeni zależy od problemu i funkcji, jaką realizuje dany neuron. Najczęściej przyjmuje<br />
33