Оқулық Қазақстан Республикасы Білім және ғылым министрлігі бекіткен Алматы, 2011
жүктеу/скачать 2,02 Mb. Pdf көрінісі
|
| 8.18-сурет
. Екі үш орынды, бір екі орынды және бір орынды предикаттар 4. Перцептронның ӛзін бейнелеу, ол енді ұзынырақ және түсініксіз түрде болады: f ( x i ) w i + f ( x j , x k ) w s + f ( x j , x k , x l ) w h Q . Мұнда индексы бар w әріптермен предикат салмағы белгіленген, ал қосындының ішінде бір орынды, екі орынды және үш орынды предикаттар тұр. Шекті мәні Q сәйкестіктің минимал қажетті санын тапсырады. Мысалы, бірінші ретті предикаттар саны ( 8.16-суретті қараңыз ) 10-нан кем болмау керек, екінші – 6-дан, үшінші – 4-тен кем емес. Барлығы Q , ең жақсы жағдайда, 20 болу мүмкін. Басқа предикаттарды бейнелеп шығарсақ, басқа Q алар едік. Перцептрон таза түрде кӛбінесе оқу есептер үшін пайдаланылады. Медицинада нейрон ( 8.19-сурет ) деп бас ми қабығының талшығы аталады. Арнайы байланыс арқылы келіп түсетін электр сигнал әсерінен қоздырылып, нейрон ӛзіндік сигналын генерациялайды және айналадағыларға береді және т.б. Бір уақыттан кейін тежелу процесі басталады – жуықта қоздырылған нейрондардың электр белсенділігі басылады, ал «демалған» нейрондар қайтадан қоздырылады. 94 8.19-сурет . Сызықты емес ӛзгертуші Нейрон желісін алдымен жуық математикалық теңдеулер жүйесі ретінде қарастыру керек. Желі кӛмегімен нақты есепті шешу кезінде не жаңа желіні жобалау кезінде, алынған жүйенің математикалық негіздеуі туралы ойлау керек. Математикалық кӛзқарастан нейрон – бұл сызықты емес ӛзгертуші, кіреберісіне кейбір мән (қоздырушы сигнал) берілген, ал шығысынан кірген мен күрделі немесе ықтималды түрде байланысқан басқа мән (қоздыру шамасы) алынған: Y ( X , W ) = w 0 + f ( w i x i ), i = 1, 2,…, n ; мұндағы x i – ақпараттық кіру мәндері; w i – салмақтар, сонымен бірге w 0 – ығысу. Бұл сызбаны былай істейді. Қосындығышта нейрон алған қоздыру есептеледі ( w 0 + ∑ f ( w i x i )). Осы шаманың негізінде ӛзгерту функциясы нейронның ӛз қоздыруын есептейді - Y . Ӛзгерту функцияның нақты түрі шешілетін есептің ӛзгешелігін еске алып, таңдап алынады. Егер Y тек 0 немесе 1 мәнін алатын функцияны қабылдасақ, онда, әрине, ӛнімдер ережелерін аламыз. Ӛзгерту функцияның пайдалы түрлері аса кӛп емес. Нейрон кӛптігін (миллиондаған болу мүмкін, ал ӛнімдер ережелерінде мыңдаған ғана болады) желіге біріктірген кезде «қабаттарды» ажыратады ( 8.20-сурет ), олардың арасындағы байланыс бір бағытты немесе «кері таратуы» бар болу мүмкін. Ӛнімдік модельдегі ережелерді іріктеп алуды басқару кезінде «дайын ӛнімдер» қатарымен ұқсастық айқын. |