Υπολογιστική Νοημοσύνη. Μάθημα 13: Αναδρομικά Δίκτυα - Recurrent Networks

Transcript

1 Υπολογιστική Νοημοσύνη Μάθημα 13: Αναδρομικά Δίκτυα - Recurrent Networks

2 Γενικά Ένα νευρωνικό δίκτυο λέγεται αναδρομικό, εάν υπάρχει έστω και μια σύνδεση από έναν νευρώνα επιπέδου i προς έναν νευρώνα επιπέδου j, όπου j i. Οι αναδρομικές συνδέσεις καθιστούν τα δίκτυα αυτά ικανά να αναγνωρίζουν χρονικές ή και χωρικές συσχετίσεις μεταξύ των δεδομένων, χωρίς να χρειάζεται τα δεδομένα που αναφέρονται σε διαφορετικές χρονικές στιγμές ή χωρικές θέσεις να εμφανιστούν στο δίκτυο ταυτόχρονα. Η ύπαρξη αναδρομικών συνδέσεων δημιουργεί την ανάγκη συγχρονισμού στο δίκτυο, όσον αφορά τη μετάδοση των σημάτων. Έτσι εισάγονται "καθυστερήσεις" (delays) στις αναδρομικές συνδέσεις. Θα δούμε δύο περιπτώσεις τέτοιων δικτύων: Δίκτυα Elman Δίκτυα Hopfield 2

3 Δίκτυο Elman Το δίκτυο Elman αποτελείται από δύο επίπεδα νευρώνων. Το κρυφό επίπεδο, το οποίο συνήθως έχει νευρώνες με σιγμοειδείς συναρτήσεις ενεργοποίησης -1/1 (tansig). Το επίπεδο εξόδου, το οποίο συνήθως έχει γραμμικούς νευρώνες. Υπάρχει αναδρομική σύνδεση από τις εξόδους των νευρώνων του κρυφού επιπέδου στις εισόδους των ίδιων νευρώνων. Το κρυφό επίπεδο έχει συνήθως πολλούς νευρώνες. Παράδειγμα: Δίκτυο Elman 3

4 Λειτουργία δικτύου Elman Η έξοδος των νευρώνων του κρυφού επιπέδου παρουσιάζεται ως είσοδος στους ίδιους νευρώνες την επόμενη χρονική στιγμή. Άρα η έξοδος του δικτύου Elman εξαρτάται τόσο από την τρέχουσα είσοδό του, όσο και από τις προηγούμενες εισόδους του (μάλιστα όχι μόνο από την αμέσως προηγούμενη). Είναι λοιπόν αναμενόμενο για δεδομένο διάνυσμα εισόδου να προκύψει σε δύο διαφορετικές δοκιμές διαφορετική έξοδος, εάν τα προηγούμενα διανύσματα που παρουσιάστηκαν στην είσοδο δεν ήταν ίδια. 4

5 Εκπαίδευση του δικτύου Elman Με δεδομένο ότι η απόκριση του δικτύου Elman εξαρτάται όχι μόνο από την τρέχουσα είσοδο, αλλά και από τις προηγούμενες, κατά την εκπαίδευση πρέπει τα παραδείγματα μάθησης να παρουσιάζονται πάντα με τη "σωστή" σειρά. Η εκπαίδευση του δικτύου Elman γίνεται με τη μέθοδο της οπισθοδιάδοσης του σφάλματος, όπου όμως αγνοείται η συνεισφορά στο σφάλμα της εσφαλμένης εισόδου από τις αναδρομικές συνδέσεις. Αυτή η "παράβλεψη" έχει ως αποτέλεσμα να απαιτούνται περισσότερες εποχές εκπαίδευσης για τα δίκτυα Elman, από ό,τι για αντίστοιχα μη-αναδρομικά back-propagation δίκτυα. 5

6 Υπολογιστική Νοημοσύνη Συσχετιστικά δίκτυα Associative networks Δίκτυα Hopfield

7 Γενικά Τα συσχετιστικά δίκτυα (associative networks) ή μνήμες (memories) είναι αναδρομικά (feedback ή recurrent) νευρωνικά δίκτυα που έχουν την ικανότητα να θυμούνται ένα σύνολο από συσχετίσεις (X k,y k ). Έτσι, όταν στην είσοδο παρουσιάζεται το διάνυσμα X k ή ένα "κοντινό" του διάνυσμα, στην έξοδο παρουσιάζεται το διάνυσμα Y k. Τα συσχετιστικά δίκτυα λειτουργούν ως μνήμες, οι οποίες μάλιστα είναι ανθεκτικές στον θόρυβο. Επιπλέον, πρόκειται για μνήμες διπλής κατεύθυνσης, μιας και μπορούν να χρησιμοποιηθούν τα Y k ως είσοδος και τα X k ως έξοδος (Bidirectional Associative Memories, BAM). Τέλος, τα συσχετιστικά δίκτυα δεν χρειάζονται εκπαίδευση, αλλά τα βάρη τους μπορούν να υπολογιστούν με απλές μαθηματικές πράξεις από τα διανύσματα που πρέπει να θυμούνται. 7

8 Συνδεσμολογία Στη γενική τους μορφή αποτελούνται από δύο επίπεδα νευρώνων, οι οποίοι συνδέονται με αμφίδρομες συνδέσεις. 8

9 Υπολογισμός βαρών Έστω n οι νευρώνες εισόδου και m οι νευρώνες εξόδου. Έστω {(X k,y k ): k=1..k} ένα σύνολο K ζευγών που πρέπει να "θυμάται" το δίκτυο. Κάθε βάρος w ij από τον νευρώνα εισόδου i στον νευρώνα εξόδου j ισούται με το βάρος w ji και δίνεται από τη σχέση (κανόνας του Hebb): όπου X k,i το i στοιχείο του διανύσματος εισόδου X k και Y k,j το j στοιχείο του αντίστοιχου διανύσματος εξόδου Yk. Ισοδύναμα, εάν θεωρήσουμε ότι τα διανύσματα X k και Y k είναι διανύσματα στήλη, ο πίνακας των βαρών μπορεί να δοθεί από το παρακάτω γινόμενο πινάκων: 9

10 Ενεργοποίηση νευρώνων Τα συσχετιστικά δίκτυα είναι δίτιμα, δηλαδή οι είσοδοι/έξοδοι των νευρώνων παίρνουν δύο μόνο τιμές, έστω -1 και 1. Η συνολική είσοδος ενός νευρώνα i, έστω S i, ισούται με το γινόμενο των τιμών των εισόδων του επί τα βάρη αυτών: όπου το j αναφέρεται σε άλλους νευρώνες, η έξοδος των οποίων αποτελεί είσοδο για τον νευρώνα i. Η έξοδος του νευρώνα i μπορεί να δοθεί από τον τύπο: 10

11 Λειτουργία (1/2) Έστω ότι παρουσιάζεται στην είσοδο ένα παράδειγμα X k. Οι τιμές του X k θεωρούνται έξοδοι των νευρώνων εισόδου. Yπολογίζονται οι έξοδοι των νευρώνων εξόδου. Οι έξοδοι των νευρώνων εξόδου γίνονται ξανά είσοδοι στους νευρώνες εισόδου (η αρχική είσοδος Xk πλέον αγνοείται). Yπολογίζονται οι έξοδοι των νευρώνων εισόδου. Οι έξοδοι των νευρώνων εισόδου μεταβιβάζονται στους νευρώνες εξόδου και υπολογίζεται η έξοδός τους. κ.ο.κ. 11

12 Λειτουργία (2/2) Η διαδικασία που περιγράφηκε στην προηγούμενη διαφάνεια επαναλαμβάνεται μέχρις ότου οι νευρώνες ενός επιπέδου να εμφανίσουν σε δύο διαδοχικές επαναλήψεις την ίδια έξοδο. Στο σημείο αυτό η έξοδος των νευρώνων εξόδου αποτελεί την έξοδο του δικτύου. Εάν η αρχική είσοδος X k ήταν ένα από τα αρχικά παραδείγματα (βάσει των οποίων υπολογίστηκαν τα βάρη του δικτύου), τότε αναμένεται να προκύψει στην έξοδο το αντίστοιχο παράδειγμα Y k. Εάν η αρχική είσοδος δεν ταυτίζεται με κάποιο από τα αρχικά X k, αλλά έστω X k το "πλησιέστερο" προς αυτήν από τα αρχικά διανύσματα εισόδου, τότε αναμένεται ύστερα από μερικές επαναλήψεις η έξοδος να σταθεροποιηθεί στο διάνυσμα Y k (και η έξοδος του επιπέδου εισόδου στο X k ). 12