Νευρωνικό Δίκτυο

Νευρωνικόν Δίκτυον

Neural Networks

νευρώνας
Νευρωνικό Δίκτυο

νευρώνας
Νευρωνικό Δίκτυο

νευρώνας
Νευρωνικό Δίκτυο

Βιολογικός Εγκέφαλος
Νευρωνικό Δίκτυο

Τα τεχνητά νευρωνικά δίκτυα (Artificial Neural Networks), είναι ένα μαθηματικό μοντέλο για την επεξεργασία πληροφορίας που προσεγγίζει την υπολογιστική και αναπαραστατική δυνατότητα μέσω συνάψεων.

Ετυμολογία

Η ονομασία "Νευρώνας" σχετίζεται ετυμολογικά με την λέξη "νεύρο".

Εισαγωγή

Το μοντέλο είναι εμπνευσμένο απο τα βιοηλεκτρικά δίκτυα που δημιουργούνται στον εγκέφαλο ανάμεσα στους νευρώνες (νευρικά κύτταρα) και στις συνάψεις (σημεία επαφής των νευρικών απολήξεων).

Στο μαθηματικό μοντέλο των νευρωνικών δικτύων υπάρχουν κομβικά σημεία (nodes) στα οποία καταλήγουν συνδέσεις απο άλλους κόμβους του δικτύου, στις οποίες συνήθως αποδίδεται κάποιο βάρος.

Πρακτικά, ένα νευρωνικό δίκτυο βελτιστοποιεί μία συνάρτηση, σύμφωνα με κάποιους περιορισμούς.

Τα τεχνητά νευρωνικά δίκτυα, ως μαθηματικό μοντέλο, προέκυψαν από τον τομέα της Τεχνητής Νοημοσύνης.

Ορισμός Νευρωνικού Δικτύου

Το νευρωνικό δίκτυο είναι ένα δίκτυο από υπολογιστικούς κόμβους (νευρώνες, νευρώνια), συνδεδεμένους μεταξύ τους. Είναι εμπνευσμένο από το ανθρώπινο Κεντρικό Νευρικό Σύστημα (ΚΝΣ), το οποίο προσπαθούν να παρομοιώσουν.

Νευρώνες

Οι νευρώνες είναι το δομικό στοιχείο του δικτύου. Υπάρχουν δύο είδη νευρώνων, οι νευρώνες εισόδου και οι υπολογιστικοί νευρώνες.

• Οι νευρώνες εισόδου δεν υπολογίζουν τίποτα, μεσολαβούν ανάμεσα στις εισόδους του δικτύου και τους υπολογιστικούς νευρώνες.
• Οι υπολογιστικοί νευρώνες πολλαπλασιάζουν τις εισόδους τους με τα συναπτικά βάρη και υπολογίζουν το άθροισμα του γινομένου. Το άθροισμα που προκύπτει είναι το όρισμα της συνάρτησης μεταφοράς.

Εάν:

• $x_{ki}$: η $i$ είσοδος του $k$ νευρώνος
• $w_{ki}$: το $i$ συναπτικό βάρος του $k$ νευρώνος
• $\phi\,(\cdot)$: η συνάρτηση μεταφοράς (ή συνάρτηση ενεργοποίησης) του νευρωνικού δικτύου

τότε η έξοδος $y_k$ του $k$ νευρώνος:

$y_k = \phi\,(\sum_{i=0}^N x_{ki}w_{ki})$

Στον $k$ νευρώνα υπάρχει ένα συναπτικό βάρος με ιδιαίτερη σημασία, το οποίο καλείται πόλωση ή κατώφλι (bias, threshold) (έστω $w_{k0}$). Η τιμή της εισόδου του είναι πάντα η μονάδα ($x_{k0} = 1$). Εάν το συνολικό άθροισμα από τις υπόλοιπες εισόδους του νευρώνος είναι μεγαλύτερο από την τιμή αυτή, τότε ο νευρώνας ενεργοποιείται. Εάν είναι μικρότερο, τότε ο νευρώνας παραμένει ανενεργός. Η ιδέα προέκυψε από τα βιολογικά νευρικά κύτταρα.

Συνάρτηση Μεταφοράς

Η συνάρτηση μεταφοράς μπορεί να είναι:

1. βηματική (step),
2. γραμμική (linear),
3. μη γραμμική (non-linear),
4. στοχαστική (stochastic).

• Βηματική συνάρτηση (step transfer function)

Η βηματική συναρτηση μεταφοράς μπορεί να είναι:

$\phi\,(x) = \begin{cases} 1, & x \ge 0 \\ 0, & x < 0 \end{cases}$

ή οποιαδήποτε άλλη βηματική συνάρτηση.

• Γραμμική συνάρτηση (linear transfer function)

Η γραμμική συνάρτηση μεταφοράς μπορεί να είναι:

$\phi\,(x) = x$

ή οποιαδήποτε άλλη γραμμική συνάρτηση.

• Μη γραμμική συνάρτηση (non-linear transfer function)

Η μη γραμμική συνάρτηση μεταφοράς που χρησιμοποιείται συνήθως στα νευρωνικά δίκτυα καλείται σιγμοειδής συνάρτηση:

$\phi\,(x) = \frac{1}{1 + e^x}$

• Στοχαστική συνάρτηση (stochastic transfer function)

Εσωτερική Αρθρογραφία

• Νευρικό Σύστημα
• κύτταρο
• Νευρωνική Μηχανική

Βιβλιογραφία

• Haykin, S. (1999) Neural Networks: A Comprehensive Foundation, Prentice Hall, ISBN 0-13-273350-1

Ιστογραφία

• Ομώνυμο άρθρο στην Βικιπαίδεια
• Ομώνυμο άρθρο στην Livepedia

Κίνδυνοι Χρήσης

Αν και θα βρείτε εξακριβωμένες πληροφορίες σε αυτήν την εγκυκλοπαίδεια ωστόσο, παρακαλούμε να λάβετε σοβαρά υπ' όψη ότι η "Sciencepedia" δεν μπορεί να εγγυηθεί, από καμιά άποψη, την εγκυρότητα των πληροφοριών που περιλαμβάνει. "Οι πληροφορίες αυτές μπορεί πρόσφατα να έχουν αλλοιωθεί, βανδαλισθεί ή μεταβληθεί από κάποιο άτομο, η άποψη του οποίου δεν συνάδει με το "επίπεδο γνώσης" του ιδιαίτερου γνωστικού τομέα που σας ενδιαφέρει." Πρέπει να λάβετε υπ' όψη ότι όλα τα άρθρα μπορεί να είναι ακριβή, γενικώς, και για μακρά χρονική περίοδο, αλλά να υποστούν κάποιο βανδαλισμό ή ακατάλληλη επεξεργασία, ελάχιστο χρονικό διάστημα, πριν τα δείτε. Επίσης, Οι διάφοροι "Εξωτερικοί Σύνδεσμοι (Links)" (όχι μόνον, της Sciencepedia αλλά και κάθε διαδικτυακού ιστότοπου (ή αλλιώς site)), αν και άκρως απαραίτητοι, είναι αδύνατον να ελεγχθούν (λόγω της ρευστής φύσης του Web), και επομένως είναι ενδεχόμενο να οδηγήσουν σε παραπλανητικό, κακόβουλο ή άσεμνο περιεχόμενο. Ο αναγνώστης πρέπει να είναι εξαιρετικά προσεκτικός όταν τους χρησιμοποιεί.

- Μην κάνετε χρήση του περιεχομένου της παρούσας εγκυκλοπαίδειας
αν διαφωνείτε με όσα αναγράφονται σε αυτήν

---

>>Διαμαρτυρία προς την wikia<<

- Όχι, στις διαφημίσεις που περιέχουν απαράδεκτο περιεχόμενο (άσεμνες εικόνες, ροζ αγγελίες κλπ.)

---