تمامی مطالب مطابق قوانین جمهوری اسلامی ایران میباشد.درصورت مغایرت از گزارش پست استفاده کنید.

جستجو

تبلیغات


    مدل ریاضی

    در متون فنی برای نمایش مدل ساده ای که در بالا تشریح شد ، به طور معمول از شکلی مشابه شکل 4 استفاده میشود. در این شکل کلاسیک , از علامت p برای نشان دادن یک سیگنال ورودی استفاده میشود . در واقع در این مدل , یک سیگنال ورودی پس از تقویت یا تضعیف شدن به اندازه پارامتر w ،به صورت یک سیگنال الکتریکی با اندازه pw ، وارد نرون میشود. به جهات ساده سازی مدل ریاضی ، فرض میشود که در هسته سلول عصبی ، سیگنال ورودی با سیگنال دیگری به اندازه b جمع میشود.در واقع سیگنال b خود به معنی آن است که سیگنالی به اندازه واحد در پارامتری مانند b ضرب میشود. مجموع حاصل یعنی سیگنالی به اندازه ی b+pwقبل از خارج شدن از سلول تحت عمل یا فراینددیگری واقع میشود که در اصطلاح فنی به آن تابع انتقال میگویند.. اين موضوع در شكل به‌ وسيله جعبه‌اي نمايش داده شده است كه روي آن علامت f قرار داده شده است. ورودي اين جعبه همان سيگنال pw b + است و خروجي آن يا همان خروجي سلول، با علامت a نشانه گذاري شده است. در رياضي، بخش آخر مدل‌سازي توسط رابطه)a = fpw + b( نمايش داده مي‌شود. پارامتر w يا همان ضريبي كه سيگنال ورودي p در آن ضرب مي‌شود، در اصطلاح رياضي به نام پارامتر وزن يا weight نيز گفته مي‌شود.
    طراح شبكه با اندازه‌گيري خروجي و با انتخاب پارامترهاي w و b به‌گونه‌اي كه خروجي مطلوب به‌دست آيد، شبكه را آموزش مي‌دهد. به اين ترتيب پس از آنكه چنين شبكه به ازاي مجموعه‌اي از ورودي‌ها براي ساختن خروجي‌هاي مطلوب آموزش ديد، مي‌توان از آن براي حل مسائلي كه از تركيب متفاوتي از ورودي‌ها ايجاد مي‌شوند، بهره برد.
    تـابـع f مـي‌تواند بر حسب كاربردهاي گوناگون به‌‌ طور رياضي، به شكل ‌هاي متفاوتي انتخاب شود. در برخي از كاربردها، پاسخ مسائل از نوع دودويي است. مثلا مسأله به‌گونه‌اي است كه خروجي شبكه عصبي بايد چيزي مانند سياه يا سفيد (يا آري يا نه) باشد. در واقع چنين مسائلي نياز به آن دارند كه ورودي‌هاي دنياي واقعي به مقادير گسسته مانند مثال فوق تبديل شوند.
    در گروه ديگري از مسائلي كه حل آن‌ها به شبكه‌هاي عصبي واگذار مي‌شود، خروجي شبكه عصبي الزاما بين مقادير معلوم و شناخته شده‌واقع نمي‌شود. مسائلي از نوع شناسايي الگو‌هاي تصويري، نمونه‌اي از چنين مواردي محسوب مي‌شوند. شـبـكـه‌هاي عصبي در اين موارد، بايد به‌گونه‌اي باشند كه قابليت توليد مجموعه نــامتنـاهـي از پـاسـخ‌هـا را داشتـه بـاشنـد. رفتـار حركتي يك روبات نمونه‌اي از هوشي است كه چـنـيـن شـبـكـه‌هـاي عـصـبـي مـي‌تـوانـنـد فراهم آورند. اما در چنين شبكه‌هايي هم لازم خواهد بود كه خروجي بين مقادير مشخصي محدود شده باشد.
    فرض كنيد قرار است از شبكه عصبي براي كنترل حركت بازوي يك روبات استفاده شود. در صورتي‌كه خروجي يك شبكه عصبي براي كنترل نيروي حركتي به‌كار گرفته شود، طبيعي خواهد بود كه اگر خروجي شبكه محدود نشده باشد، ممكن است بازوي روبات بر اثر حركت بسيار سريع، به خود و يا محيط اطراف آسيب برساند.
    در هـر صـورت، پـس از آنكـه ورودي‌هـا با يكديگر تركيب شدند، سيگنال حاصل به واحد ديــگـــري كـــه در آن تــابــع انـتـقــال يــا Transfer Function بـه سـيـگـنال اعمال مي‌شود، هدايت مـي‌شـود. خـروجـي ايـن بـخـش، سـيگنال‌هاي حقيقي خواهند بود. بدين ترتيب جعبه‌اي در دست خواهيد داشت كه تعداد n عدد سيگنال ورودي را به m عدد سيگنال خروجي تبديل مي‌كند.


    این مطلب تا کنون بار بازدید شده است.
    ارسال شده در تاریخ پنجشنبه 11 دي 1348 [ گزارش پست ]
    منبع
    برچسب ها : خروجي ,شبكه ,میشود ,عصبي ,سیگنال ,اندازه ,شبكه عصبي ,سیگنال ورودی ,خروجي شبكه ,براي كنترل ,عصبي براي ,

تبلیغات


    Ads1

پربازدیدترین مطالب

آمار امروز پنجشنبه 4 خرداد 1396

تبلیغات

ads2

تبلیغات

ads3

آخرین کلمات جستجو شده

تگ های برتر