поддержка
проекта:
разместите на своей странице нашу кнопку!И мы
разместим на нашей странице Вашу кнопку или ссылку. Заявку прислать на
e-mail
код нашей кнопки:
Персептрон
Класс распознающих устройств, изучаемых в нейрокибернетике.
Персептроны появились в начале 70-х гг., когда стало ясно, что, несмотря
на быстрое наращивание производительности ЭВМ, решение определенных
задач для них, особенно задач распознавания образов, остается за
пределами возможностей. Это объясняется тем, что любая программа
распознавания, реализованная на ЭВМ, при решении задачи на распознавание
букв А и Б, написанных от руки и находящихся в произвольном положении
относительно воспринимающей системы (например, перевернутыми "вверх
ногами"), всегда проигрывала человеку в скорости распознавания. Ведь
человек для распознавания использовал механизмы, отличные от тех,
которые закладывались в машинные программы.
Знания об этих процессах и механизмах у нейрофизиологов и психологов
оказались не слишком полными, но одно было ясно: в процедурах
распознавания решающую роль играют совокупности нейронов, из которых
состоит нервная ткань. А так как к началу 70-х гг. уже существовали
технические элементы, реализующие модели формальных нейронов, то были
разработаны и предложены модели и устройства распознавания, опирающиеся
на использование формальных нейронов ассоциативного типа. Первую
подобную модель предложил Ф. Ро-зенблатт. Он же придумал и название для
этой модели.
Персептрон Розенблатта показан на рис 1. Он состоит из ряда слоев.
Рецепторный слой содержит элементы, способные реагировать на те или иные
сигналы-раздражители. Например, на освещенность и неосвещенность, для
разделения чего можно использовать фотоэлементы. Каждый фотоэлемент
(показанный как квадратик в рецепторном слое на рисунке) вырабатывает на
выходе двоичный сигнал (например, 0 - при затемнении фотоэлемента и 1 -
в противном случае). Выходы фотоэлементов соединены с входами формальных
нейронов, находящихся в первом ассоциативном слое.
Ассоциативный формальный нейрон суммирует с некоторыми весами, присущими
входам этого нейрона, входные сигналы и полученную алгебраическую сумму
(среди входов формального нейрона могут быть как возбуждающие,
характеризуемые положительными весами, так и тормозящие, для которых вес
отрицателен) сравнивает с порогом, определенным для него. Если порог
превышен, то нейрон выдает на выходе сигнал 1. В противном случае на
выходе этого нейрона возникает сигнал 0.
В зависимости от того, сколько ассоциативных слоев есть у персептрона,
различаются однослойный и многослойный персептроны. Работа любого слоя
из ассоциативных нейронов однотипна. Нейроны таких слоев воспринимают на
входах двоичные сигналы, ассоциируют их с учетом своих весов и порогов и
формируют двоичный выходной сигнал.
После того как операция ассоциации будет повторена К раз, полученные
результирующие сигналы поступят к решателям - элементам последнего слоя
персептрона. Решатели представляют собой сумматоры, вычисляющие сумму
единичных сигналов, поступивших на их вход. Каждый решатель
соответствует одному из распознаваемых образов (например, если
персептрон должен распознавать все буквы русского алфавита, то число
решателей должно быть равно 33, т. е. числу букв этого алфавита).
Сравнивающее устройство производит сравнение чисел, выданных решателями,
и выдает на выход имя того образа, которому соответствует максимальная
сумма (или имена всех тех образов, для которых достигнута максимальная
сумма).
Для того чтобы персептрон смог распознавать и правильно
классифицировать изображения, поступающие на его вход, необходим этап
его на-
стройки (обучения) на множество входных изображений и заданное множество
классов изображений (образов). Обучение персептрона происходит следующим
образом. Если с точки зрения учителя персептрон правильно распознает
изображение, то при движении снизу вверх от решателя, соответствующего
правильному ответу, по всем ассоциативным слоям производится процедура
уменьшения порогов тех ассоциативных нейронов, которые вносят свой вклад
в результат данного решателя. При этом для тех нейронов, которые вносят
свой вклад при данном изображении на входе в решатели, не
соответствующие образу, порог увеличивается. Подобная процедура
увеличивает проводимость нейронов ассоциативных слоев, работающих на
данном изображении правильно, и уменьшает проводимость остальных
("шумящих") нейронов.
При многократном повторении процедуры обучения в персептроне можно
добиться устойчивой процедуры распознавания.
Эксперименты с персептронами показали, что при случайном соединении (но
достаточно равномерном) рецепторных элементов с нейронами, нейронов из
соседних слоев друг с другом и нейронов последнего ассоциативного слоя с
решателями персептроны могут обучиться распознаванию довольно сложно
устроенных образов.
Наращивание слоев из ассоциативных нейронов улучшает характеристики
процесса распознавания, а изменение процедуры обучения (например, можно
менять не пороги, а веса входов нейронов или искать такое случайное
соединение, которое наилучшим образом соответствует решаемой задаче)
практически не влияет на характеристики распознавания.
Но персептроны все же не стали заметным явлением при построении
распознающих систем, хотя по скорости работы обученный персептрон вполне
сравним с возможностями человека. Персептроны не смогли преодолеть
существенный недостаток, прямо связанный с их конструкцией: не смогли
выделить в неизвестном известные составляющие. Поясним это на примере.
Пусть удалось обучить персептрон отличать букву М от буквы А. Персептрон
как бы "знает" эти буквы. Но если на рецепторный слой будет высвечен
слог МА, то персептрон воспримет это изображение как нечто новое, не
имеющее отношения ни к М, ни к А. Он не может осуществить ту процедуру
обучения чтению слов, составленных из букв и слогов, которой нормальный
человек овладевает до школы или в первом классе школы.
Этот недостаток имеет принципиальное значение. Человек только потому
может распознавать практически огромное число образов, что он умеет
находить в новом изображении элементы старых, уже известных ему
изображений. Без этой способности он был бы обречен на вечное
ученичество. К сожалению, существующие конструкции персептронов
находятся именно в таком положении. Правда, в настоящее время в связи с
активными разработками в области робототехники и искусственного
интеллекта угасший было интерес к персептронам возрождается. Возможно,
что как составная часть в зрительной распознающей системе робота или в
интерфейсах интеллектуальных систем персептрон обретет свою вторую
жизнь.