A4. ABC sieci neuronowych

Sztuczne sieci neuronowe umożliwiają przeprowadzanie analizy danych, których rozkład jest zupełnie nieprzewidywalny. W takich sytuacjach brakuje odpowiednich modeli matematycznych umożliwiających sformułowanie algorytmów i zaprogramowanie klasycznego komputera.


„Program” sieci jest zawarty w jej strukturze – w połączeniach między elementarnymi jednostkami (neuronami), których siła zmienia się w wyniku treningu (uczenia się). Dzięki treningowi sieci nabierają zdolności do klasyfikowania zbiorów danych o różnych obiektach nawet wówczas, gdy różnice między tymi zbiorami nie zostały przez człowieka dostrzeżone i wskazane.


Elementarne jednostki sieci neuropodobnej – „neurony”  były początkowo prostymi urządzeniami elektronicznymi, przetwarzającymi sygnały. Były łączone w sieci - "neurokomputery". Obecnie pojęcie "sieć neuronowa" oznacza najczęściej program instalowany w dowolnym komputerze.

Każdy neuron ma wiele „wejść” i jedno „wyjście”.  Sygnał (S), docierający do każdego z wejść, jest mnożony przez „wagę” (W).



Wielkość sygnału wyjściowego (Sy) jest zależna od sygnałów wejściowych, ich wag oraz od funkcji „wejścia–wyjścia” (funkcja aktywacji). W większości wypadków stosuje się jednostki liniowe, progowe lub sigmoidalne.

Generowanie sieci neuronowej, która sprawnie realizuje określone zadania, polega polega na "uczeniu - iteracyjnym dobieraniu właściwej konstrukcji sieci (liczba neuronów i ich połączenia), rodzaju funkcji aktywacji i jej parametrów oraz wielkości wag.

W treści wykładu przedstawiono - w ogólnie przystępnej formie - podstawowe informacje o sieciach neuronowych. Przedstawiono prosty przykład zastosowania typowego programu.



Z punktu widzenia olfaktometrii szczególnie ważna jest możliwość zastosowania ANN przygotowywanych do rozpoznawania zapachów na podstawie zbioru informacji o stężeniach odorantów, o wielkościach sygnałów z "pola czujników " elektronicznego nosa lub o kształcie chromatogramu (sekwencji sygnałów detektora GC; system GC-NN). W wypadku elektronicznego nosa określony zbiór sygnałów, pochodzących z zestawu czujników,  może być „skojarzony” z podobnym zbiorem, który wystąpił wcześniej podczas prezentacji wzorca – na przykład określonego gatunku kawy lub perfum, zapachowego śladu sprawcy  przestępstwa, zapachu charakterystycznego dla cukrzycy itp.


Do pobrania:

- wykład w formie prezentacji (RAR, 7.8 MB) Microsoft PowerPoint. Aby go pobrać kliknij w polu obrazka. Do obejrzenia prezentacji możesz użyć programu Microsoft PowerPoint, OpenOffice Impress lub Microsoft PowerPoint Viewer.


(RAR, 7.8 MB)


Więcej:

 

i inne