ART nasıl çalışıyor? Giriş Dikkat Altsistemi Yönlendirme Altsistemi F2

... konulu sunumlar: "ART nasıl çalışıyor? Giriş Dikkat Altsistemi Yönlendirme Altsistemi F2"— Sunum transkripti:

1 ART nasıl çalışıyor? Giriş Dikkat Altsistemi Yönlendirme Altsistemi F2
Hatırlatma ART nasıl çalışıyor? Dikkat Altsistemi Yönlendirme Altsistemi F2 Kısa Süreli Bellek Uzun Süreli Bellek Kontrol Birimi Kontrol Birimi F1 Kısa Süreli Bellek Giriş Mete Balcı, Nevroz Aslan, Bitirme Ödevi, 2003

2 Tüm bunlar nasıl yapılıyor?
Mete Balcı, Nevroz Aslan, Bitirme Ödevi, 2003 I

3 ART -1 Amaç: Verilen örüntüleri önceden belirlenmiş benzerlik kıstasına göre öbekleme, gerekirse yeni öbekler oluşturma Verilenler: n boyutlu p tane vektör benzerlik kıstası “uyanıklık” katsayısı Ağ Yapısı: yukarıdan aşağı bağlantılar aşağıdan yukarı bağlantılar ilk ağırlıklar

4 F1 katmanındaki gösterim ile veri ‘nin benzerliğinin ölçüsüne
Öğrenme Kuralı: için kazananı belirle F1 katmanındaki gösterim ile veri ‘nin benzerliğinin ölçüsüne “uyanıklık” değerine göre karar veriliyor. ise kazanan aşağıdan yukarıya ağırlık güncelleniyor Kazananı belirlemek için hangi ağırlık kullanılıyor? Hangi ağırlık güncelleniyor? Ağırlıkların Güncellenmesi: Kazanan uyanıklık koşulunu sağlamıyorsa ne olacak? F2 katmanına yeni örüntü yerleştirilecek İlgili aşağıdan yukarı ağırlıklar, ilk ağırlık güncellenmesinde gibi belirlenecek, yukarıdan aşağı ağırlıklar yeni örüntünün değerleri olarak alınacak

5 Adım 1: Birinci örüntü için m=1, n=7
Örnek : Adım 1: Birinci örüntü için m=1, n=7 Başkası olmadığı için kazanan Güncellenmeyi hakediyor mu? Uyanıklık katsayısına bakılınacak

6 Ağırlıklar güncellenecek

7 Adım 2: İkinci örüntü için m=1, n=7
Başkası olmadığı için kazanan ancak uyanıklık katsayısına bakmak da gerekiyor Yeni bir nöron oluşturmak gerek

8 Adım 3: Üçüncü örüntü için m=2, n=7

9 Ağırlıklar güncellenecek

10 Dinamik Yapay Sinir Ağı Modelleri
Yinelemeli Ağlar (recurrent networks) İleri yol Geri besleme

11 Dinamik Sistem Önce lineer dinamik sistemler hakkında bildiklerimizi
hatırlayalım... durum değişkeni ilk koşul çıkış değişkeni giriş değişkeni Bu değişkenlere ilişkin başka neyi belirtmemiz gerek Bu sistemin çözűmű.....

12 Çözümü bir daha yazarsak özvektörler
Bir özel hal: Otonom sistem Çözümü bir daha yazarsak özvektörler özdeğerler Çözüm, özvektörler ve özdeğerler ile nasıl değişir

13 Özvektörleri aynı özdeğerleri farklı iki sistem

14 Hangisi daha hızlı sıfıra yaklaşıyor ?
A1 sistemi A2 sistemi

15 Özdeğerleri aynı özvektörleri farklı iki sistem

16 B1 sistemi B2 sistemi

17 Bu durumda lineer sistemin çözümleri neler olabilir?
S. Haykin, “Neural Networks- A Comprehensive Foundation”2nd Edition, Prentice Hall, 1999, New Jersey. Tüm bu durum portrelerinde ortak bir şey var, ne?

18 Dinamik sistemin özel bir çözümü: Denge noktası
Kaç tane denge noktası olabilir? Sistemin davranışını incelemenin bir yolu kararlılığını incelemektir. Tanım: Lyapunov anlamında kararlılık sistemine ilişkin bir denge noktası olsun. Verilen herhangi bir için eşitsizliği eşitsizliğini gerektirecek şekilde bir bulunabiliyorsa denge noktası Lyapunov anlamında kararlıdır. Lineer sistemlerde denge noktasının Lyapunov anlamında kararlılığını incelemek için ne yapılınılıyor? Denge noktasının kararlılığı neye denk, neden?

19 Lineer sistem modeli neden yetersiz?
“Virtually, all physical systems are nonlinear in nature.” M. Vidyasagar sonlu kaçış zamanı çoklu yalıtılmış denge noktası limit çevrim altharmonik, harmonik ve neredeyse periyodik çözümler kaos çoklu davranış Neden hep lineer sistemler ele alınıyor? “. . . not to produce the most comprehensive descriptive model but to produce the simplest possible model that incorporates the major features of the phenomenon of interest.” Howard Emmons

20 Lyapunov anlamında kararlılığı incelemenin bir yöntemi nedir?
(Dolaysız) 1. Yöntem (Dolaylı) Lyapunov’un 2. yöntemi Tanım: Lyapunov Fonksiyonu Lyapunov Fonksiyonudur Teorem: Lyapunov Fonksiyonu olmak üzere, denge noktasının kararlı olması için yeter koşul için olmasıdır. 2. dereceden lineer olmayan bir dinamik sistemin kalıcı hal çözümleri için ne diyebiliriz? Kararlı denge noktaları Poincare- Bendixson Teoremi: Limit çevrim

21 Lineer olmayan sistemlerde başka nasıl çözümler var?
Neden Sonuç Kütle çekim yasası Astronomik olaylar Atmosferin hareketleri Hava durumu tahmini Isaac Newton [ ] G.W.F. Von Leibniz [ ] Determinizm Öngörü S. Haykin, “Neural Networks- A Comprehensive Foundation”, 2nd Edition, Prentice Hall, 1999, New Jersey.

22 Laplace’s Demon: “If you can imagine a consciousness great enough to know the exact locations and velocities of all the objects in the universe at the present instant, as well as all forces, then there would be no secrets from this consciousness. It could calculate anything about the past or future from the laws of cause and effect.” Werner Heisenberg [ ] Belirsizlik Kuramı (1927): Herhangi bir cismin konumu ve hızı aynı anda tam olarak belirlenemez. “In the strict formulation of the causality law-’When we know the present precisely, we can calculate the future’- It is not the final clause, but rather the premise, that is false. We cannot know the present in all its determining details.” Yaklaşık olarak birbirine benzer nedenler yaklaşık olarak birbirine benzer sonuçlar doğururlar. Ed Lorenz [ ] Kelebek Kanadı Etkisi (1960):

23 Dinamik Yapay Sinir Ağı Modelleri
Nasıl bir sistem? Sonuç Determinizm Öngörü Dinamik Yapay Sinir Ağı Modelleri Yinelemeli Ağlar (recurrent networks) Hopfield Ağı, Elman Ağı

24 Daha gerçekçi sinir hücresi modeli var mı?
Bir sinir hücresi modeli: Hodgkin-Huxley Modeli

25 Nasıl indirgenecek? y1 y2 ym ym-1 w1 w2 wm-1 wm - xn yn In