Ortam Özdüzenlemeli Öğrenme Eğitilen Sistem Hatırlatma

Yarışmalı Öğrenme (competitive learning) Verilenler: n boyutlu p tane vektör Ağ Yapısı Öğrenme Süreci Öğrenme kuralı Amaca göre değişiyor Kazananı bu l Ağırlığını değiştir nöronlara ilişkin ağırlıklar Kazananı belirlemek amacıyla eğitim kümesindeki tüm veriler için hesaplanmalı

Özdüzenlemeli Ağ (Self-Organizing Map) Verilenler: n boyutlu p tane vektör Ağ Yapısı: Öğrenme Süreci: 1. Yarışma: Her örüntü için ağdaki nöronlar aralarında yarışıyorlar. 2. İşbirliği: Kazanan nöron, komşu nöronlarla işbirliği yapıyor. nöronların konumlarına ait bilgi girişler

1. Yarışma: Toplam nöron sayısı ‘e en uygunu bulmak için ‘lere bak en büyüğünü seç Nöronun konumunu belirlemek için önemli 2. İşbirliği: Kazanan nöron işbirliği yapacağı nöronları komşularından belirleyecek S. Haykin, “Neural Networks- A Comprehensive Foundation”, 2 nd Edition, Prentice Hall, 1999, New Jersey. ‘e en uygunu nöronun indisini belirle i. nöronun komşuluğu i. nöron ile j. nöron arasındaki mesafe

nasıl hesaplanacak? 2- boyutlu düzlemde kazanan nöronun konumu Komşu nöronun konumu Ağırlıkları Güncelleme: ‘nin değeri örüntüsü ile değiştirilecek Hebb öğrenme kuralı: eğiticisiz öğrenme için uygun hep artan veya azalan etkisi var Unutma terimi:

eğitim iki aşamalıözdüzenleme aşaması yakınsama aşaması

İleri ağ yapısı yarışmalı öğrenme ve Hebb öğrenme kuralı ile korku şartlanması için kullanılmıştır.... Armony, Servan-Schreiber, Cohen & LeDoux (1997) CS (Conditioned Stimulus) şartlı uyaran US (Unconditioned Stimulus) şartsız uyaran CS-US eşleştirilmesi tipik davranışlar fizyolojik tepkiler

Duygusal davranışlara ilişkin çalışmalar Nöral Yapılar Korteks Cingulat gyrus Anterior talamik çekirdek Hipotalamus (mamilary yapılar) fornix hipokampus Amygdala Mc Lean 1952 Papez 1937

Duygusal davranışlara ilişkin çalışmalar Nöral Yapılar Anterior cingulat korteks Medial orbitofrontal korteks Ventral striatum Subtalamik çekirdek Ventral palideum (Gpe) Ventral Palideum (Gpi) Talamus MDmc,MDpc Amygdala Alexander 1990

Korku Şartlanması Şartlanma sırasında: CSİşitme alanı Talamus MGB CS Amygdala korteks

Yapılan Nedir? Bir ses tonu ile birlikte, rahatsız edici bir etki uygulayarak beynin-deneğin-modelin o sese karşı şartlanmasını modellemek… Serkan Çapkan, Lisans Bitirme Ödevi, 2007

Yapılan Nedir? Örnek; Bir insana, çok sayıda farklı ses veriliyor. Bu seslerin herhangi biri ile birlikte, bu insanın ayağına küçük bir elektrik şoku uygulanıyor. Daha sonra yine sesler dinletilirken “o” ses verildiğinde, kişinin korkması bekleniyor

Yapılan Nedir? Bu çalışmada; Modele, 15 farklı ses veriliyor, bu seslere tepkisi ölçülüyor. Sonra, bu seslerden herhangi biri ile birlikte, modele rahatsız edici bir uyaran uygulanıyor. Daha sonra yine sesler aynı verilirken “o ses” verildiğinde, modelin beklenmeyen bir tepki vermesi bekleniyor

Ses Nasıl Modelleniyor? (15 farklı frekansta ses) ………. 16 boyutlu bir vektör

Ses Nasıl Modelleniyor? (15 farklı frekansta ses) ………. Bu seslerin birbiriyle benzerliği… 12315

İşlem Basamakları Seslerin Uygulanması, tepkilerin ölçülmesi Yine seslerin uygulanması, 5. seste rahatsız edici uyaranın uygulanması Gözlem

Model

Örnek Bir İşlem (auditory cortex -> amygdala için) Auditory Cortex Amygdala * = Hücreye gelen girişin ağırlıklandırılması

Örnek Bir İşlem (auditory cortex -> amygdala için) Kazanan hücre çıkışının aktivasyon fonksiyonunda geçirilmesi

Örnek Bir İşlem (auditory cortex -> amygdala için) Diğer hücre çıkışlarının aktivasyon fonksiyonundan geçirilmesi =- μ * Tüm aktive edilmiş hücre çıkışları =+

Örnek Bir İşlem (auditory cortex -> amygdala için) Ağırlıkların Yenilenmesi Yalnızca değeri o bölgenin çıkışlarının ortalamasından büyük olan çıkışlara ilişkin ağırlıklar yenilenir Örnek Bir İşlem (auditory cortex -> amygdala için),,

İşlem Basamakları Seslerin Uygulanması Sesler ile birlikte rahatsız edici uyaranın uygulanması Gözlem

Sonuçların İncelenmesi (Seslerin İlk Uygulanması )

Sonuçların İncelenmesi (Şartlanmadan sonra ve öncekiler)

Sonuçların İncel. (Şartlanma öncesi ve sonrası çıkışların farkları)

Uyarlanabilir Yankılaşım Teorisi (Adaptive Resonance Theory- Grossberg ) A crucial metatheoretical constraint is to insist upon understanding the behavioral data –which comes to us as static numbers or curves on a page – as the emergent properties of a dynamical process which is taking place moment-by-moment in an individual mind. One also needs to respect the fact that our minds can adapt on their own to changing environmental conditions without being told that these conditions have changed. One thus needs to frontally attack the problem of how an intelligent being can autonomously adapt to a changing world. Knowing how to do this, as with many other theoretical endeavors in science, is presently an art form. There are no known algorithms with which to point the way. Whenever we have attempted this task in the past, we have resisted every temptation to use homunculi, or else the crucial constraint on autonomous adaptation would be violated. The result has regularly been the discovery of new organizational principles and mechanisms, which we have then realized as a minimal model operating according to only locally defined laws that are capable of operating on their own in real time. The remarkable fact is that, when such a behaviorally- derived model has been written down, it has always been interpretable as a neural network. These neural networks have always included known brain mechanisms. The functional interpretation of these mechanisms has, however, often been novel because of the light thrown upon them by the behavioral analysis. The networks have also typically predicted the existence of unknown neural mechanisms, and many of these predictions have been supported by subsequent neurophysiological, anatomical, and even biochemical experiments over the years. Stephen Grossberg