Желілердің негізгі түсінігі 9
Нейрондық желінің негізгі түсінігі
жүктеу/скачать 0.55 Mb.
|
1 Нейрондық желінің негізгі түсінігіНейрондық желілердің тарихы «Нейрондық желі» ұғымы пайда болғаннан бері 150 жыл өткен екен. Бұл ұғым алғаш пайда болған уақытта, ми және жұлындағы нейрондарды зерттеуге қатысты қолданылған. Жасанды нейронды желілер аумағындағы зерттеулер үшін жандандыру түрлі кезеңнен өтті. Негізі жасанды нейронды желілер туралы 1940 жылдардан бастап сөздер айтыла бастаған-ды. Алғашқы зерттеулер 1940 жылдардағы Мак Каллок пен Питстің жұмыстарынан көріне бастаған, олар кез келген логикалық және арифметикалық алгоритмдерді нейрондық желілер көмегімен жүзеге асыруға болатынын көрсетті. 1949 жылы нейрондық желілерді үйренудің бастапқы нүкесі болатын заңды қалаған Дональд Олдинг Хэбб модельін атап өту керек. Дональд Олдинг Хэбб теориясы өзін-өзі үйренудің өзіндік үлгісі болып табылады, онда тестілеу жүйесі экспериментатордың араласуынсыз қажетті тапсырманы орындау үшін үйретіледі. Екінші кезең Ф.Розенблактың 1958 жылы объектілерді жіктеуге арналған персепрон деп аталатын нейрондық желіні ұсынды, персептронның үйлесу теоремасына және қарапайым персептронның мүмкіндіктерінің шектеулілігін көрсеткен. Сонымен қатар, дайындалған персепрон бұрын қолданылмаған нысандарды өз бетінше жіктеуге қабілетті болды, алайда қателіктерде жоқ емес еді. Мински мен Пеперттің жұмыстарының нәтижелері көпшілік зерттеушілердің, әсіресе есептеуіш техника ғылымдары аясында жұмыс жасаған зерттеушілердің қызығушылығын арттырды. Осыдан кейін нейронды желілерге деген зерттеулер шамамен 20 жылға дейін дамусыз тыныштықта болды. 1980 жылдардың басынан жасанды нейрондық желілерге деген қызығушылық қайта жандандырыла түсті. 1982 жылы Американдық биофизик Дж.Хопфилд нейрондық желінің дербес түрін ұсынды, ол өз атымен аталды, және осы Дж.Хопфилдтің туындысы пайда болғаннан соң нейрондық желілерге деген қызығушылық күрт өсті. Жоғары өнімді дербес компьютерлер пайда болған кезде нейрондық желілерді модельдеу мүмкіндігі пайда болды. Келесі жылдары көптеген тиімді алгоритмдер табылды: қарама-қарсы ағын желісі, екі жақты ассоциативті жады, т.б. Дж.Хопфилдтің энергиялық тәсілі мен ең алғаш Вербастың ұсынған көп қабатты персептрон үшін кері таралу алгоритмінің дүниге келуімен байланысты болды. Бұл алгоритм Румельхарттың өз жұмысында жария ету негізінде баршаға белгілі болды. Содан кейін 1986 жылы Уильямс, Румельхарт және Хинтон бірлескен жұмысы жасалды, ол қабатты нейрондық желілердің қуы мінез-құлықтарды анықтау, тану туралы маңызды сұраққа жауап берді. Осыдан кейін Хинтон ұсынған алгоритм көптеген өзгерістерге ұшырады. 1980 жылдарда біртұтас теориялық негіз бірте-бірте қалыптасты, оның негізінде көптеген желілер бүгінгі күні жасалынады. Пайда болған проблемаларды шешу үшін соңғы екі онжылдықта дамыған теория кеңінен қолданылды. 90-шы жылдары нейрондық желілер бизнесте қолданыла бастады, онда олар үлкен тиімділік көрсетті, көптеген проблемаларды шешуде өнімге деген сұранысты банктің клиенттерінің төлем қабілеттілігін талдау үшін болжау. 2007 жылы Торонто университетінде Джеффри Хинтон нейрондық желілерді терең зерттеуге арналған алгоритмдер құрды. Желінің төменгі қабаттарын оқытуда Хинтон стохастикалық қайталама нейрондық желіні ұсынатын шектеулі Больцман машинасын қолданды. Желіні оқып болғаннан кейін алынған бағдарлама мәселені жылдам шеше алады (мысалы, фотосуреттегі тұлғаларды іздеу, тұлғаның эмоциясын тану). Бұл мүмкіндік қазір барлық сандық камераларға орнатылған. Мамандардың бағалауы бойынша, нейрондық желілер мен нейрокомпьютерлерді жобалау саласында технологиялық даму күтілуде. Соңғы жылдары көптеген жаңа мүмкіндіктер ашылып, осы салада жұмыс ғылымға, технологияға және экономикаға маңызды үлес қосып келеді. Нейрондық модельдеуді зерттеу алпыс жылдан астам жүргізілгеніне қарамастан, ақпаратты өңдеу процесі соңына дейін анық болатын мидың бірде-бір аймағы жоқ. Сондай-ақ, импульстер тізбегі түрінде ақпаратты беру кодын анықтауға болатын бірде-бір нейрон жоқ. Қазіргі уақытта жұмыс принципі бойынша ерекшеленетін нейрондық желілердің көптеген конфигурациясы бар, олар әртүрлі тапсырмаларға бағытталған. жүктеу/скачать 0.55 Mb. Достарыңызбен бөлісу:
|