- •Федеральное агентство по образованию
- •Оглавление
- •Глава 1. Основные понятия искусственного интеллекта
- •§ 1.1. Основные термины и определения
- •§ 1.2. История развития систем ии
- •§ 1.3. Направления развития искусственного интеллекта
- •§ 1.4. Основные направления развития и применения
- •Вопросы для самоконтроля
- •Глава 2. Положения теории нечетких множеств
- •§ 2.1. Нечеткое множество. Операции над нечеткими множествами
- •§ 2.1.1. Основные операции над нечеткими множествами.
- •§ 2.2. Построение функции принадлежности
- •§ 2.2.1. Некоторые методы построения функции принадлежности.
- •§ 2.3. Нечеткие числа
- •§ 2.4. Операции с нечеткими числами (l-r)-типа
- •§ 2.5. Нечеткая и лингвистическая переменные
- •§ 2.6. Нечеткие отношения
- •§ 2.7. Нечеткая логика
- •§ 2.8. Нечеткие выводы
- •§ 2.9. Автоматизация обработки информации с использованием
- •Вопросы для самоконтроля
- •Глава 3. Основные интеллектуальные системы
- •§ 3.1. Данные и знания
- •§ 3.2. Модели представления знаний
- •Представление знаний
- •Классификация знаний
- •§ 3.3.1. Продукционные правила.
- •§ 3.3.2. Фреймы.
- •§ 3.3.3. Семантические сети.
- •Вопросы для самоконтроля
- •§ 3.4. Экспертные системы. Предметные области
- •§ 3.5. Назначение и область применения экспертных систем
- •§ 3.6. Методология разработки экспертных систем
- •§ 3.7. Основные экспертные системы
- •§ 3.8. Трудности в разработке экспертных систем и пути их
- •Вопросы для самоконтроля
- •§ 3.9. Назначение, классификация роботов
- •§ 3.10. Примеры роботов и робототехнических систем
- •§ 3.10.1. Домашние (бытовые) роботы.
- •§ 3.10.2. Роботы спасатели и исследовательские роботы.
- •§ 3.10.3. Роботы для промышленности и медицины.
- •§ 3.10.4. Военные роботы и робототехнические системы.
- •§ 3.10.5. Мозг как аналого-цифровое устройство.
- •§ 3.10.6. Роботы – игрушки.
- •§ 3.11. Проблемы технической реализации роботов
- •Вопросы для самоконтроля
- •§ 3.12. Адаптивные промышленные роботы
- •§ 3.12.1. Адаптация и обучение.
- •§ 3.12.2. Классификация адаптивных систем управления
- •§ 3.12.3. Примеры адаптивных систем управления роботами.
- •§ 3.12.4. Проблемы в создании промышленных роботов.
- •Вопросы для самоконтроля
- •§ 3.13. Нейросетевые и нейрокомпьютерные технологии
- •§ 3.13.1. Общая характеристика направления.
- •§ 3.13.2. Нейропакеты.
- •Вопросы для самоконтроля
- •§ 3.14. Нейронные сети
- •§ 3.14.1. Персептрон и его развитие.
- •3.14.1.1. Математический нейрон Мак-Каллока-Питтса.
- •3.14.1.2. Персептрон Розенблатта и правило Хебба.
- •3.14.1.3. Дельта-правило и распознавание букв.
- •3.14.1.4. Адалайн, мадалайн и обобщенное дельта-правило.
- •§ 3.14.2. Многослойный персептрон и алгоритм обратного
- •§ 3.14.3. Виды активационных функций.
- •Вопросы для самоконтроля
- •Список литературы
- •Основы искусственного интеллекта
§ 3.14.3. Виды активационных функций.
В современных нейронных сетях наиболее часто применяются следующие виды активационных функций.
Пороговые активационные функции. C помощью формул (3.1)-(3.3) была введена пороговая активационная функция нейрона, представленная на рис.3.24. Если в уравнении (3.1) под S понимать разность между взвешенной суммой входных сигналов и пороговым значением нейрона, т.е. S =, то активационная функция у = f(S) будет иметь вид, показанный на рис.3.29,а. Однако чаще в нейросетях применяется пороговая функция, симметричная относительно начала координат (рис.3.29,б).
а) б)
Рис.3.29. Пороговые активационные функции с несимметричной (а) и
симметричной (б) областями изменения
Линейные активационные функции. На рис.3.30,а показан график линейной активационной функции у = S с неограниченной областью изменения. Такие функции могут быть и с ограниченной областью изменения: у=-1 при S<-1; у=S при -1S1; у=1 при S>1 (рис.3.30,б).
Сигмоидные активационные функции. На рис.3.31,а изображен график сигмоидной функции, заданной уравнением
а на рис.3.31,б — уравнением
а) б)
Рис.3.30. Линейные активационные функции с неограниченной (а) и
ограниченной (б) областями изменения
а) б)
Рис.3.31. Сигмоидные активационные функции с несимметричной (а) и
симметричной (б) областями изменения
Аналогичный последнему графику характер имеют функции арктангенса
и гиперболического тангенса у=thS, a также функция
,
которые тоже называют сигмоидами.
Радиально-базисные активационные функции. В последнее время получают распространение нейросети, нейроны которых имеют активационные функции в форме функции Гаусса (рис.3.32)
где S - евклидово расстояние между входным вектором X и центром активационной функции С, S=||Х-С||; σ - параметр гауссовой кривой, называемый шириной окна.
Такие активационные функции называют радиально-базисными (RBF), а соответствующие нейронные сети — RBF-сетями.
Отметим, что все приведенные выше активационные функции, за исключением пороговой (см. рис.3.29) и кусочно-линейной (рис.3.30,б), являются непрерывно дифференцируемыми. Линейная функция (см. рис.3.30,а) выполняет преобразование бесконечного входного множества значений переменных S в идентичное ему бесконечное множество переменных у.
Рис.3.32. Радиально-базисная активационная функция
Пороговые активационные функции преобразуют множество S в бинарные множества у=0 и у=1 или у=-1 и у=1. Остальные активационные функции преобразуют бесконечное входное множество S в ограниченные выходные множества: у(0, 1), у(-1, 1) и у(0, 1]. От вида используемых активационных функций зависят функциональные возможности нейросетей, а также способы их обучения.
Вопросы для самоконтроля
1. Расскажите о персептроне и этапах его развития.
2. Расскажите о многослойном персептроне.
3. Расскажите об алгоритме обратного распространения ошибки.
4. Расскажите о видах активационных функций.