QReferate - referate pentru educatia ta.
Cercetarile noastre - sursa ta de inspiratie! Te ajutam gratuit, documente cu imagini si grafice. Fiecare document sau comentariu il poti downloada rapid si il poti folosi pentru temele tale de acasa.



AdministratieAlimentatieArta culturaAsistenta socialaAstronomie
BiologieChimieComunicareConstructiiCosmetica
DesenDiverseDreptEconomieEngleza
FilozofieFizicaFrancezaGeografieGermana
InformaticaIstorieLatinaManagementMarketing
MatematicaMecanicaMedicinaPedagogiePsihologie
RomanaStiinte politiceTransporturiTurism
Esti aici: Qreferat » Documente psihologie

Tipuri de retele neurale



Tipuri de retele neurale


Dupa cum a fost mentionat anterior, exista mai multe tipuri de retele neurale. Ele pot fi clasificate dupa tipul lor ( feedforward sau feedback ), si dupa algoritmul de antrenare pe care il folosesc.

Tipul de RN indica faptul in care neuronii de pe layere sunt conectati intre ei. Feedforward RN permit doar conectarea neuronilor de pe layere diferite intr-un singur sens ( de la layerul de intrare spre layerul de iesire ), in timp ce RN de tip feedback permit conexiuni intre neuronii aceluiasi layer si pot permite aparitia buclelor ( se pot construi deci retele foarte complexe, dinamice ).

In continuare vor fi descrise cateva dintre cele mai folosite RN :


Perceptronul




Perceptronul a fost prima data introdus de catre F.Rosenblatt in 1958.

Este o RN foarte simpla, care poate lucara cu intrari binare sau reale. Procesul prin care se antreneaza este unul supravegheat. Antrenarea supravegeata este o antrenare bazata pe modificarea ponderilor, deci a comportarii RN, pe baza erorii dintre iesirea dorita in cazul unor intrari stabile, de antrenare, si iesirea reala in cazul acelor intrari.

O astfel de RN este capabila sa rezolve operatii logice de baza ca OR sau AND. Operatii logice mai complicate ( ca XOR ) nu pot fi rezolvate cu aceasta RN.






Caracteristici perceptron

Exemplu de structura

Tip

Feedforward

Layere

1 layer

Tipul valorilor de intrare

Binare sau reale (continue)

Functia de activare

Functie de tip limitator

Metoda de antrenare

supravegheata

Algoritmul de antrenare

Algoritmul Hebb de antrenare

Folosire

Operatii logice simple

Clasificarea paternuri



Multi-Layer-Perceptron


Multi-Layer-perceptronul a fost introdus prima data de M.Minsky and S.Papert in 1969. Este o extensie a Perceptronului si are una sau mai multe layere ascunse de neuroni intre layerele de intrare si cele de iesire.

Datorita structurii sale mai complexe el este capabil sa rezolve toate operatii logice, inclusiv problema XOR.



Caracteristicile Multi-Layer-Perceptronului

Exemplu de structura

Tip

feedforward

Layere

1 layer de intrare

1 sau mai multe layere ascunse

1 layer de iesire

Tipul valorilor de intrare

Binare sau continue

Functia de activare

Functie de tip limitator sau sigmoid

Metoda de antrenare

Supravegheata

Algoritmul de antrenare

Alg. delta de antrenare

backpropagation

Folosire

Operatii logice complexe
Clasificarea paternurilor




Retea de tip Backpropagation


Reteaua de tip Backpropagation a fost prima data introdusa de catre G.E.Hinton, E.Rumelhart si R.J.Wiliams in 1986 si este una dintre cele mai puternice tipuri de RN.

Are aceeasi structura ca Multi-Layer-Perceptronul insa aici se foloseste algoritmul de antrenare de tip backpropagation tot timpul.





Caracteristicile retelei de tip Backpropagation

Exemplu de structura

Tip

feedforward

Layere

1 layer de intrare

1 sau mai multe layere ascunse

1 layer de iesire

Tipul valorilor de intrare

Continue

Functia de activare

Functie de tip sigmoid

Metoda de antrenare

Supravegheata

Algoritm de antrenare

Alg. backpropagation

Folosire

Operatii logice complexe
Clasificare paternuri
Analiza vocala


Retele de tip Hopfield


Retelele de tip Hopfield au fost prima data introduse de catre fizicianul J.J.Hopfield in 192 si apartin RN numite "modele termodinamice".

Este alcatuita dintr-un set de neuroni, set in care fiecare neuron este conectat cu toti neuronii. Nu exista diferente intre neuroni de intrare si neuroni de iesire.

Ponderile sint simetrice, adica , unde wij reprezinta ponderea legaturii nodului i cu nodul j.

Cel mai des se folosesc acest tip de retele la recunoasterea paternurilor ( de exemplu al imaginilor ).


Caracteristicile retelelor Hopfield

Exemplu de structura

Tip

feedback

Layere

1 matrice

Tipul valorilor de intrare

Binare

Functia de activare

Functia logica nivel sau functia limitator

Metoda de antrenare

Nesupravegheata

Algoritmul de antrenare

Regula delta

Folosire

Recunoastere paternuri; probleme de optimizare




Retele de tip Kohonen


Retelele de tip Kohonen au fost prima data introduse de catre profesorul finlandez Teuvo Kohonen in 1982.

Este probabil el mai folosit tip de retele neuronale , daca vrem sa simulam modul de invatare al creierului uman. Feature-mapul este baza acestui tip de retele in care neuronii se reorganizeaza in functie de anumite valori de intrare.Aceste retele sunt atat de tpul feedforward ( layerul de intrare ) cat si de tip feedback.




Caracteristicile retelelor de tip Kohonen

Exemplu de structura

Tip

Feedforward / feedback

Layere

1 layer de intrare

1 multime de neuroni

Tipul valorilor de intrare

Binare sau continue ( reale )

Functia de activare

Functie sigmoid

Metoda de antrenare

Nesupravegheata

Algoritmul de antrenare

Autoorganizarea

Folosire

Clasificarea paternurilor
Problemele legate de optimizare
Simulari


Exemple de functii de activare


Functia de activare poate fi de forma:



Nu se poate descarca referatul
Acest document nu se poate descarca

E posibil sa te intereseze alte documente despre:


Copyright © 2024 - Toate drepturile rezervate QReferat.com Folositi documentele afisate ca sursa de inspiratie. Va recomandam sa nu copiati textul, ci sa compuneti propriul document pe baza informatiilor de pe site.
{ Home } { Contact } { Termeni si conditii }