124. Персептрон ф Розенблата
В 1958 г. нейробиолог Калифорнийского Университета США Ф. Розенблат разработал нейроподобное устройство названное персептрон (лат. восприятие или представление
или модель процесса восприятия) – это была 1-я искусственная нейронная сеть с обучением
Модель органа зрения
ИОГ – искусственная оболочка глаза; ПС – проекционная сфера; АС - ассоциативная сфера; Р – реакция.
Принцип работы основан на отражение восприятие чувственного.
1-й уровень нейробиологической модели представлен областью Аi проекцией сферой куда подаются (входные сигналы) образы (сетчатка).
2-й уровень представлен ассоциативной сферой (АС) детекторами признаками.
3-й уровень реагирующий слой или эффектор
Однослойная нейронная сеть (Н.С)
W1,2,n – весовые коэффициенты ( синоптические связи) которые настраиваются в процессе обучения
Персептрон является первой моделью мозга, которая смогла продемонстрировать способность к обучению.
Розенблат предложил алгоритм обучения однослойной нейронной сети
(Н.С.) вместе с доказательством, что персептрон может быть обучен всему, что он может реализовать. Процесс обучения можно продемонстрировать при решение задач распознавания образов. Персептрон обучают, путем последовательной подачи на его входы некоторого множества образов с последующей подстройкой весовых коэффициентов, пока для всех предъявленных персептрону образу не будет достигнут требуемый выход.
Процесс обучения персептрона можно наглядно представить следующим примером:
Требуется научить персептрон включать индикатор при подачи на персептрон множество образа нечетного числа и не включать в случае четного числа.
Все (входные) образы написаны на специальных демонстрационных картах которые, разбиты на квадраты - пиксели от каждого квадрата на персептрон подается бинарный сигнал 0 или 1:
«1» если квадрат содержит линию;
«0» если линии нет, квадрат чист.
Каждый квадрат формирует множество единиц и нулей, которые подается на вход персептрона.
Каждая компонента (0 и 1) умножается на весовые коэффициенты w, эти произведения суммируются, если полученная сумма превышает порог срабатывания τ, то выход нейрона равен 1 (индикатор зажигается) в противном случае равен «0» .
Для обучения сети образ X подается на вход и вычисляется Y.
Если выходной сигнал Y правилен, то ничего не меняется, в противном случае веса присоединенные ко входу усиливающий ошибочный результат модифицируются чтобы уменьшить эту ошибку:
Например карта с цифрой 3 предъявляется персептрону и выход равен 1 т.к. этот результат правилен то ничего не меняется. Если на вход персептрона подается карта 4 выход равен 1 неправильный ответ, то весовые коэффициенты, присоединенные к единичным входам должны быть уменьшены так как они стремятся дать неправильный результат, аналогично если при предъявлении карты 3 на выходе имеем результат равный = «0», то веса должны быть увеличены. Данный алгоритм легко представляется программой.
За конечное число шагов нейронная сеть Н.С. научится различать карты на четные и не четные при условии, что множество цифр линейно разделима, такой процесс обучения называется обучение с учителем.