UVOD U KOGNITIVNU ZNANOST Konekcionistički / Neurobiološki ...

dr.Nijaz IBRULJredovni profesor Univerziteta u SarajevuE-mail : nijaz.ibrulj@ff.unsa.baUVOD U KOGNITIVNU ZNANOSTTema # 5Konekcionistički / Neurobiološki modelkognitivnih procesa

Neuronske / bio mrežeSoft Computing Genetski algoritmi Fuzzy sistemi Grubi skupovi Teorija kaosa2

Šta je konekcionizam ? KONEKCIONZAM je teorijsko stanovište ili pravac ukognitivnoj znanosti koji želi da objasni ljudske intelektualnesposobnosti konstruiranjem vještačke neuronske mreže. MOZAK čovjeka sadrži nekoliko tipova nervnih ćelija ilineurona. Ukupno čovjekov mozak ima 10 11 neurona kojiostvaruju 10 15 konekcija. INDIVIDUALNE ĆELIJE komuniciraju tako što prenose signal(celularna transdukcija) iz jedne ćelije u drugu, uz pomoćneurotransmitera (serotonin, dopamin, acetylholin,adrenalin, idr.).3

RAPID-BLOCK SPACERSfor ALUMINUM WINDOWS & DOORSSERIES 800 RAPID-BLOCK spacers (and Distance Pieces)Universal adjustable nylon spacers for the swift and accurate fitting of PVC andaluminum door and window frames. They can be fitted by snapping on in the Ø 16 mmhole of the profile. The fixing and rotation resistance are assured by 4 teeth setting inthe walls of the hole. In special cases (oval hole for example) the hole on the fin can beused for screw-on mounting. The spacer can be used even in profile with ironreinforcement inside. The trapezoid-profile thread ensures a truly firm fit and excellentresistance in the effective adjustment of the threaded setscrew (tensile yield strength >230Kg). RP017 drill bit for PVC or RP019 drill bit for aluminum can be used forcutting the housing in section. When profile section features two nearby wings it ispossible to use the above mentioned drill bits in combination with RP023 spot facer.Series 800 spacers need the use of RH005 key.Distance pieces Art. 600.98 and 600.99 can be used with Art. 800.01 and 800.02.Sale unit: box of 2000 pieces (in 10 cases, each of 200 pieces).600.99(#RB630)Distance Piece 2.5600.98(#RB631Distance Piece 5.0FFI Technical Dept. 800.677.0228 page 4 - 30email:technical@fenestration.net www.fenestration.net rev. 040511

Anatomija nervne ćelijeNervna ćelija se sastoji iz(1) tijela ćelije(2) jezgra ili nukleusa ćelije(3) dendrita ili ćelijskih nastavaka(4) aksona sa nervnim završetcima. Kako komuniciraju nervne ćelije? Komunikacija između ćelija živog oeganizma zasniva se na principutransmisije impulsa ili poruke koju jedna ćelija šalje drugoj.Tu porukuprenose neurotransmiteri. Postoje dva načina na koji nervne ćelije komuniciraju. Sinaptička transmisija Neuromuskularna transmisija5

Vještački neuron6

Neurotransmiteri i receptori Neurotransmiteri su hormoni koji su koncentrirani u nervnimzavršetcima ili terminalima koji su smješteni u mozgu. Kada se jedan neurotransmiter oslobodi iz nervnog završetka onprelazi preko synapse-jednog “prostora” između dva nerva kojegčini intercelularna tekućina-i šalje kemijsku poruku iz mozga kroznervne kanale. Nerv iz kojeg se šalje kemijska poruka ili iz kojeg se oslobađaneurotransmiter naziva se pre-sinaptički nerv (pošiljatelj). Onaj nerv koji prima i prepoznaje (dešifrira) kemijsku poruku prekoneruotransmitera zove se post-sinaptički nerv(primatelj,receptor).Receptori su posebno građeni da mogu prihvatiti kemijskustrukturu neurotransmitera kao signal. Neurotransmiteri su različitogkemijskog sastava i svrstavaju se u različite grupe ili klase8

Vještačka neuronska mreža9

Šta je vještačka neuronska mreža? Neuronska mreža je pojednostavljeni model neuronskestrukture mozga koji je sastavljen od velikog brojaneuronskih jedinica (analognih neuronima mozga) koje suopterećene određenom težinom (signala, inputa) kojimase mjeri jačina konekcije izmedju jedinica. Jačina ili težina kojom je jedan neuron opterećen na svomulazu (broj inputa) nije ista kao na izlazi (output), a kadase istražuje mreža neurona onda se ta jačina i taj naponneurona mijenja, zavisan je od broja korisnika (čvorovi,neuroni u vezi) i od optimizacije signala u mreži.10

U takvim sistemima primijenjena je distribuiranaparalelna obrada podataka, za razliku od računarskihsistema koji prvenstveno za sekvencijalnu centralizovanuobradu podataka. Za razliku od sistema koji svoje funkcionisanje zasnivajuna precizno definisanim algoritmima obrade podatakaradi dobijanja odgovora kod neuralnih mreža se mora provesti procedura učenja(obučavanja, treniranja) mreže kako da na zadovoljavajućinačin reaguje na ulazne podatke.11

Vještačka neuronska mreža se može definisati kaovještački ćelijski sistem sposoban da prihvati, upamti iprimijeni eksperimentalno (empirijsko) znanje. Ovdje se pod znanjem podrazumijeva sposobnost daneuralna mreža u posmatranoj ulaznoj situacijireaguje na odgovarajući način.12

Karakteristike VNM Generalno - VNM su adaptivne komunikacione mreže kojekoriste funkciju cilja radi postizanja traženog izlaza. Matematički – to su dinamički sistemi modelovani prekosistema povezanih diferencijalnih jednačina.13

Funkcioniranje VNM Vještačke neuronske mreže (VNM) vrše procesiranje / obraduinformacija. To čine paralelnim procesiranjem a ne sekvencijalnim algoritmima. Paralelno procesiranje znači da se ulazna informacija “razlaže” iistovremeno obrađuje u više različitih neurona (elemenata) U zadnjih nekoliko desetina godina je uložen veliki rad da bi seprojektovala elektronska kola koja bi ličila na biološke NM sa svimpripadajućim karakteristikama. Na taj način su razvijeni različiti modeli NM poznati pod nazivom -PARADIGME14

Neuronska mreža je sa okruženjem vezana na dvanačina: preko ulaza kojima okruženje utiče na mrežu i preko izlaza kojima mreža povratno utiče naokruženje.15

Struktura neuronske mrežeULAZI → NEURONSKA MREŽA → IZLAZI Osnovni gradivni elemenat neuronskih mreža je neuron.Možemo ga definisati kao osnovnu jedinicu za distribuiranuobradu podataka u neuralnoj mreži. Puna funkcionalnost neuronskih mreža postiže se uvođenjemvećeg broja međusobno povezanih neurona. Veze među neuronima su jednosmjerne (izlazni podaci jednogneurona mogu se koristiti kao ulazni podaci drugog) i analognosa biološkim sistemima nazivaju se sinapse.16

Proces učenja u VNM je proces podešavanja promenljivihtežina sinapsi (wij) u cilju postizanja odgovarajućeg(željenog) izlaza (Oi) za dati pobudni signal (xij). Kada je izlazni signal jednak željenom (očekivanom) tadaje proces učenja završen, i kaže se da je VNM obučena ilida je “stekla znanje”. Obuka VNM se vrši prema algoritmima – pravilima obukekoji se opisuju u matematičkom obliku jednačinamaobuke. Jednačine obuke opisuju proces obuke pojedinog tipaVNM17

Obuka i programiranje VNM Matematički opis načina kako se menjaju težinesinapsi (wij) tokom procesa obuke VNM naziva sealgoritam obuke. Na kraju obuke, stacionarne vrednosti težina wijdefinišu program VNM. Načini učenja su pozajmljeni iz prirode, i već suprethodno navedeni (npr. obuka sa i bez učitelja)18

Glavni modeli VNM Feed forward model NM Kod ove mreže aktivacijski tok informacije ide direktno odinputa ka skrivenim slojevima i onda prema outputu.Izbjegava se rekurzivnost. Backpropagation model NM To je najčešće upotrebljavani model VNM. Mreža učivelikim brojem ponavljanja i vraćanja na ranije naučeno Hopfield model NM Model koji može biti upotrebljen kao asocijativna memorija. Osnovna ideja Hopfieldove mreže je da ona može pohranitiskup egzemplarnih oblika kao mnoštvo postojanih stanja. Ako je dat jedan novi oblik, koji može biti parijalan ili nepotpunili oštećen, mreža ga može prepoznati ili konvertirati u jedanegzemplarni oblik koji je nabliži ili najsličniji tom novomulaznom obliku.19

Primjena neuronskih mreža Moguće primjene neuralnih mreža uključuju gotovo svakiaspekt savremenog života, od prepoznavanja štampanog teksta, rukopisa i govora, preko optimizacije korišćenja kanala veze utelekomunikacijama do finansijskih prognoza i otkrivanja nelegalnog korišćenja kreditnih kartica.20

Genetski algoritmi Genetski algoritmi su računarski modeli zasnovani nagenetici i evoluciji u biologiji Osnovni elementi genetskog algoritma su SELEKCIJA solucija zasnovanih na njihovoj prikladnosti REPRODUKCIJA gena MUTACIJA za slučajne promjene gena Inteligentnim izračunavanjem kompjuter pronalazi svebolje i bolja rješenja / solucije za razvoj gena (evolucijskiizračun)21

Fuzzy sistemi Fuzzy sistemi su tehnike “kontinuizacije” procesa koje seprimjenjuju prije svega za optimizaciju nekih industrijskihprocesa (u kemijskoj industriji) i za njihovu kontrolu. Zasnivaju se na fuzzy logici, odnosno na stalnompreciziranju (fazifikacija) nekog postupka određivanjemstupnja pripadnosti neke pojave ili neke vrijednosti od 0do 1.22

Teorija grubih skupova Sadrži tehnike “kvantizacije” i mapiranja (preslikavanja). Pojam “grubi skup” znači “približno određeni skup”. To znači da je unutar nekog konteksta ili unutar nekog procesadat jedan skup elemenata i vrijednosti koje se pripisuju nekimnjihovim svojstvima od kojih neke vrijednosti mogu bitineprecizne ili nekompletne. Teorija grubih skupova treba da računa s takvim elementima ida uspostavi važeće relacije izmedju podataka o njima.23

Teorija kaosa Teorija kaosa se bavi nelinearnim dinamičkim sistemimakoji pokazuju da sadrže neregularnosti i da su ekstremnoosjetljivi prema inicijalnim uvjetima.24