Professional Documents
Culture Documents
ლექცია 4
ლექცია 4
ნეირონის სტრუქტურა.
1
y= −x
1+e
არის სხვა სტანდარტული სიგმოიდური ფუნქციები ზოგიერთ სფეროში,
განსაკუთრებით ხელოვნური ნეირონული ქსელების კონტექსტში , ტერმინი
"სიგმოიდური ფუნქცია" გამოიყენება ლოგისტიკური ფუნქციის მეტსახელად.
(e=2.71828. x - არის შემავალი მონაცემი, ხოლო y - გამომავალი.)
პირველი, რაც უნდა გვარკვიოთ, არის ის, რომ ბიოლოგიურ ნეირონებს აქვთ
მრავალი შესასვლელი. ჩვენ უკვე მსგავსი მაგალითი განვიხილეთ, როცა
ვიხილავდით ლოგიკურ ფუნქციას. მრავალი შესასვლელის დროს უნდა მოხდეს
შემავალი მონაცემების შეკრება, მიღებული ჯამი იქნება სიგმოიდისთვის შემავალი
მნიშვნელობა, რომელიც მართავს გამომავალ მნიშვნელობას.
რუქტურის შექმ
მოიცავს სამ ხელოვნურ ნეირონს, ანუ კვანძს. როგორც ხედავთ, აქ თითოეული კვანძი
დაკავშირებულია წინა და მომდევნო ფენების თითოეულ კვანძთან.
ახლა ისმის კითხვა. რომელ ნაწილში ხდება მისი წვრთნა და რომელი პარამეტრით
ხდება რეგულირება? არის თუ არა, ისეთი პარამეტრი როგორიც იყო ჩვენი წრფე
კლასიფიკატორისთვის დახრის კუთხე. ყველაზე მარტივი დასარეგულირებელი
სიდიდე არის კვანძებს შორის დამაკავშირებელი წონა. ქვემოთ მოცემულია
ილუსტრაცია:
w ij -წონის პირველი ინდექსი
მიუთითებს, გამომავალი კვანძის ნომერ, ხოლო მეორე j ინდექსი შესასვლელი
კვანძის ნომერს.
• w 11 =0. 9
w 12 =0.2
w 2 1=0.3
w 22=0.9
პირველი კვანძი შესასვლელთან არანაირი გამოთვლები არ სრულდება,
შემავალი მონაცემები არიან საწყისი მნიშვნელობები. მეორე შრის პირველი
კვანძისთვის მოხდება შემდეგი გამოთვლები
х = 0, 9 + 0 , 1 5
х = 1, 05
1
ახლა უნდა გამ ოვიყენოთ აქტივაციის ფუნქცია y= −x;
1+e
у = 1 / (1 + 0 , 3 4 9 9 ) = 1 / 1,3499. მივიღეთ у=0,7408. შესაბამისა უნდა მოვიქცეთ მეორე
კვანძვიპოვოთ მეორე კვანძიდან გამომავალი ფუნქცია.