klevoz.ru страница 1
скачать файл
Лабораторная работа «Модели нейронных сетей» (часть 2)
Цель работы – понять принцип действия математического нейрона Маккаллока-Питса.

Учебный вопрос: персептрон; математический нейрон Маккаллока-Питса.

Изучив данную тему, студент должен:

знать:


- принцип действия нейронных сетей;

- что такое математический нейрон и персептрон;

уметь:

- осуществлять математическую постановку исследуемых задач;



владеть:

- навыком построения таблиц значимости для булевых функций «И» и «ИЛИ»;

- навыками проектирования и практического применения интеллектуальных информационных систем на базе математического нейрона Маккаллока-Питса;

- навыком обучения однонейронного персептрона логическим операциям;

- навыком построения двухслойного персептрона (ПК-9, ПК-13).
1. Краткое изложение основных теоретических и методических аспектов работы

1.1. Ограниченность однослойного персептрона

Когда Розенблатту удалось обучить свой персептрон распознавать буквы алфавита, это был колоссальный успех: электронное устройство, созданное по образу и подобию человеческого мозга, обученное подобно человеку, успешно моделировало интеллектуальные функции человека. Это был успех в познании самой природы человеческого мышления. Мозг начал раскрывать свои тайны. Появилась возможность исследовать мозг методами моделирования, не прибегая к сложнейшим антигуманным и мало что дающим натурным экспериментам. Это была сенсация, приковавшая к себе внимание мыслящих людей всего мира. Казалось, что ключ к интеллекту был найден и полное воспроизведение человеческого мозга и всех его функций – всего лишь вопрос времени. Писателям-фантастам, учёным, инженерам, бизнесменам, политикам виделись самые радужные перспективы практического применения идей искусственного интеллекта. Правительство Соединённых Штатов Америки выделило крупные субсидии на развитие нового перспективного научного направления.

Класс решаемых нейросетями задач расширялся. Но по мере расширения фронта научных исследований появлялись трудности. Неожиданно оказалось, что многие новые задачи персептрон решить не мог. Причем эти новые задачи, внешне ничем не отличались от тех, с которыми персептрон успешно справлялся ранее. Возникла необходимость объяснения парадоксов, глубокого анализа и создания теоретической базы нейроинформатики.

Следующий период истории искусственного интеллекта начался с появления в 1969 году книги двух известных американских математиков Минского и Пайперта «Персептроны». Авторы этой книги математически строго доказали, что использовавшиеся в то время однослойные персептроны в принципе не способны решать многие простые задачи. Одна из таких задач вошла в историю нейроинформатики под названием проблемы XOR.

XOR – это логическая функция двух аргументов, каждый из которых может иметь значение «истинно» либо «ложно». Сама она принимает значение «истинно», когда только один из аргументов имеет значение «истинно». Во всех остальных случаях эта функция принимает значение «ложно».

Задача состоит в том, чтобы научиться моделировать функцию XOR с помощью однонейронного персептрона с двумя входами x1 и x2 и одним выходом y (рис. 1). При выполнении лабораторной работы Вы уже пытались решить эту задачу путём подбора значений синаптических весов w1, w2 и порога θ, однако сделать это вам не удалось. Вам не удалось это сделать, хотя в других случаях, при моделировании логических функций AND и OR, у вас проблем не возникало.

Внешне функции AND, OR и XOR мало чем отличаются друг от друга, и вам было непонятно, почему ваш однонейронный персептрон успешно справлялся с моделированием двух первых функций, а с моделированием третьей функции он справиться не мог.

Рис. 1. Однонейронный персептрон с двумя входами и одним выходом.

Для объяснения этого парадокса американскими математиками Минским и Пайпертом была предложена геометрическая интерпретация, состоящая в следующем. Они предложили изобразить на координатной плоскости x1, x2 все возможные комбинации входных сигналов в виде четырёх точек: A, B, C, D, как показано на рис. 2. Точка A имеет координаты x1=0, x2=0; точка B имеет координаты x1=0, x2=1 и т.д. согласно табл. 1.

Таблица 1

Таблица истинности логической функции XOR, дополненная точками A, B, C, D

Тогда в точке A выход персептрона y должен быть равен нулю, в точке B – единице, в точке C – единице и в точке D – нулю.



Рис. 2. Графическая интерпретация к объяснению проблемы XOR.

Математический нейрон Маккаллока-Питса, изображённый на рис. 1, осуществляет преобразование

, (1)

. (2)

Заменим в уравнении (1) S на θ:



. (3)

Если в этом уравнении величины x1 и x2 считать переменными, а θ, w1 и w2 – константами, то на координатной плоскости x1, x2 рассматриваемое уравнение изобразится в виде прямой линии, положение и наклон которой определяются значениями коэффициентов w1, w2 и порога θ. Для всех точек плоскости x1, x2, лежащих на этой линии, выполняется равенство S=θ и поэтому, согласно формуле (2), выход персептрона равен единице. Для точек, лежащих выше указанной линии сумма w1x1+w2x2 больше чем θ, и поэтому по формулам (1)-(2) выход персептрона также равен единице, а для точек, лежащих ниже этой линии, сумма w1x1+w2x2 меньше чем θ, и выход персептрона равен нулю. Поэтому линию, изображающую уравнение (3), называют пороговой прямой.

А теперь посмотрим на табл. 1. Согласно этой таблице в точках A и D выход персептрона должен быть нулевым, а в точках B и C – единичным. Но для этого надо расположить пороговую прямую так, чтобы точки A и D лежали ниже этой линии, а точки B и C – выше, что невозможно. Это значит, что, сколько бы персептрон ни обучали, какие бы значения ни придавали его синаптическим весам и порогу, персептрон в принципе не способен воспроизвести соотношение между входами и выходом, требуемое таблицей истинности функции XOR.

Помимо проблемы XOR Минский и Пайперт привели ряд других задач, в которых точки, изображающие входные сигналы, не могут быть разделены пороговой прямой (в многомерных случаях – плоскостью, гиперплоскостью). Такие задачи получили название линейно неразделимых.

После выхода в свет книги Минского и Пайперта «Персептроны» стало ясно, что активно предпринимавшиеся в то время попытки обучать персептроны решению многих задач, которые, как оказалось, относятся к классу линейно неразделимых, с самого начала были обречены на провал. Это была пустая трата времени, сил и финансовых ресурсов.

Таким образом, однонейронный персептрон в принципе не позволяет моделировать логическую функцию XOR и решать другие линейно неразделимые задачи.


1.2. Решение проблемы XOR

Появление книги М.Минского и С.Пайперта «Персептроны» вызвало шок в научном мире. Строгие математические доказательства М.Минского и С.Пайперта были неуязвимы. Всеобщий энтузиазм сменился не менее всеоб-щим пессимизмом. В газетах стали появляться критические статьи с сообще-ниями о том, что ученые мужи в своих исследованиях зашли в тупик, впус-тую израсходовав огромные государственные деньги. Правительство США немедленно прекратило финансирование нейропроектов и приступило к по-искам виновных. Бизнесмены, потерявшие надежду вернуть вложенные ка-питалы, отвернулись от ученых и нейроинформатика была предана забвению, длившемуся более 20 лет.

Тем не менее, работы в области нейросетевых и нейрокомпьютерных технологий продолжались отдельными энтузиастами. Работы продолжались в засекреченных научно-исследовательских институтах Советского Союза, отделенного в то время от Запада «железным занавесом». Не имея информа-ции о настроениях зарубежных коллег, советские ученые спокойно продол-жали заниматься захватившей их умы темой и к началу 80-х гг. удивили мир ракетами и самолетами, управлявшимися компьютерами нового поколения – нейрокомпьютерами. Советские компьютеры, в отличие от американских, стойко переносили довольно серьезные повреждения, продолжая работать в сложных условиях, что было особенно важно для объектов военного назна-чения. Выявилось еще одно свойство нейрокомпьюторов, унаследованное от мозга – свойство живучести.

Советским ученым С.О.Мкртчаном было показано, что с помощью многослойных персептронов может быть смоделирована любая логическая функция, если только известна ее логическая формула. Более того, им был разработан специальный математический аппарат, позволяющий конструи-ровать такие персептроны. Оказалось, что проблема «Исключающего ИЛИ», явившаяся камнем преткновения для однонейронного персептрона, может быть разрешена с помощью нейронной сети, состоящей из трех нейронов – технейронного персептрона, изображенного на рис. 3.


Контрольные вопросы

1. Сколько входов и сколько выходов может иметь математический нейрон Маккаллока-Питса?

2. Напишите формулы, с помощью которых происходит преобразование сигналов в математическом нейроне Маккаллока-Питса.

3. Нарисуйте графическое изображение активационной функции математического нейрона Маккаллока – Питса.

4. Нарисуйте математические нейроны, реализующие логические функции «ИЛИ», «НЕ», и приведите соответствующие им значения сил синаптических связей и порогов.

5. Нарисуйте математический нейрон и напишите формулы, по которым он работает, с использованием понятия смещения вместо порога. Какой вид при этом имеет активационная функция нейрона?

6. Чем весовые коэффициенты отличаются от синаптических весов и от сил синаптических связей?

7. Чем нейронное смещение b отличается от порога чувствительности ?


2. Порядок выполнения задания

1. Перед выполнением задания изучите теоретический материал и ответьте на контрольные вопросы.

2. Постройте таблицы истинности функций «AND», «OR», «XOR».

3. Нарисуйте математический нейрон, реализующий логическую функцию «AND».

4. Подберите два набора параметров нейрона, при которых он моделирует функцию логического умножения «AND».

5. Подберите два набора параметров нейрона, при которых он моделирует функцию логического сложения «OR».

6. Подберите два набора параметров нейрона, при которых он моделирует функцию «XOR».

7. Сделайте выводы, предъявите отчёт и защитите работу.


3. Требования к оформлению, процедура защиты

1. Отчёт по данной работе должен содержать описание хода выполнения основных задач. При защите необходимо дать требуемые пояснения к содержанию отчёта и ответить на контрольный вопрос.



2. При защите необходимо ответить на вопросы преподавателя. Допускается представление отчёта в электронном варианте.
скачать файл



Смотрите также:
1. Краткое изложение основных теоретических и методических аспектов работы
67.75kb.
Краткое изложение проекта
90.2kb.
Рабочая программа для студентов 020401. 65 направления «География» профиля подготовки «Туризм, экскурсионное дело и экологический туризм»
163.17kb.
Г. С. Батыгина по методологии социологических исследований Глава Теория Конспект
94.88kb.
Отметка о выполнении План методической работы на сентябрь
42.95kb.
Памятка для учащихся Сжатое изложение Три основных вида сжатия информации
237.94kb.
Книга представляет собой систематизированное изложение основных библейских истин
5694.23kb.
Проектирование лексического анализатора
160.71kb.
Сформировать у магистрантов знания основных аспектов протекания политических конфликтов и механизмов управления конфликтными ситуациями в политической сфере
280.53kb.
Конкурс методических разработок «Лучшее из опыта работы»
49.6kb.
«Когда запоют в наших школах…» (Из опыта работы с детским хором)
86.43kb.
Кирилл Лукарис (патриарх константинопольский) восточное исповедание христианской веры
103.19kb.