ΥΠΟΛΟΓΙΣΤΙΚΗ ΝΟΗΜΟΣΥΝΗ ΙΙ

 

7.3.7     ΑΥΤΟ-ΟΡΓΑΝΩΤΙΚΟΣ ΠΡΟΣΑΡΜΟΣΤΙΚΟΣ ΝΕΥΡΩΝΙΚΟΣ ΑΛΓΟΡΙΘΜΟΣ

 

 

 Σ’ αυτή την ενότητα, εισάγουμε έναν πιο αποδοτικό προσαρμοστικό αλγόριθμο αλγόριθμο για το πρόβλημα αναγνώρισης της δομής ενός δικτύου, βασισμένο στον ALF. Ο αλγόριθμος υλοποιείται χρησιμοποιώντας ένα νευρωνικό δίκτυο με Μ νευρώνες εξόδου και Μ αισθητήριες μονάδες εισόδου, όπως φαίνεται στο σχήμα 3.

 

ΣΧΗΜΑ  3. Αυτό-οργανωμένο νευρωνικό δίκτυο με Μ μονάδες εισόδου και Μ κόμβους εξόδου.

 

 

Κάθε νευρώνας εξόδου, αντιπροσωπεύει ένα από τα πιθανά ALF μοντέλα και είναι συνδεδεμένος με τους σχετικούς νευρώνες εισόδου. Προφανώς, το δίκτυο δεν είναι πλήρως συνδεδεμένο. Σ’  αυτή τη διαμόρφωση δεν χρειάζεται εξωτερικός επόπτης καθώς οι εκ των υστέρων πιθανότητες στις (14)-(15) μπορούν να υπολογιστούν στο νευρωνικό δίκτυο.

 

Μετά την αρχικοποίηση των εκ των υστέρων πιθανοτήτων, για όλους του κόμβους εξόδου του δικτύου, σε 1/Μ, κατά τη φάση εκπαίδευσης, εκτελούνται παρόμοια βήματα όπως περιγράφηκαν στην προηγούμενη μέθοδο (3.1). Όπως δείχνεται, μέσω προσομοιώσεων, αυτή η μέθοδος δίνει παρόμοια αποτελέσματα με την προηγούμενη, αλλά έχει το ισχυρό πλεονέκτημα ότι το δίκτυο είναι αυτό-οργανωμένο.

 

Κατά τη διάρκεια της λειτουργίας, ένας αριθμός από συνδέσεις που σχετίζονται σε διαφορετικά, από τηςν πραγματική τάξη, μοντέλα παγώνουν ( καθώς η πιθανότητα p(τ/n) τείνει στο μηδέν αν τ ¹ τtrue ). Αν η τάξη του υποκείμενου συστήματος αλλάξει, τότε μερικά από τα βάρη αρχικοποιούνται πάλι και έτσι το δίκτυο προσαρμόζεται στο αληθινό μοντέλο.

 

ΑΡΧΗ ΚΕΦΑΛΑΙΟΥ