شبکه های خودسازمان ده و تقسیم بندی آنها از لحاظ ساختاری

هوش مصنوعی
دانلود مقاله رشته هوش مصنوعی شبکه های خودسازمان ده و تقسیم بندی آنها از لحاظ ساختاری مقدمه درشبکه ی خودسازمان ده، از روش یادگیری رقابتی برای آموزش استفاده می شود و مبتنی بر مشخصه های خاصی از مغز انسان توسعه یافته است. سلولها در مغز انسان در نواحی مختلف طوری سازمان دهی شده اند که در نواحی حسی مختلف، با نقشه های محاسباتی مرتب و معنی دار ارائه می شوند. برای نمونه، ورودیهای حسی لامسه –شنوائی و ... با یک ترتیب هندسی معنی دار به نواحی مختلف مرتبط هستند. در یک شبکه ی خود سازمان ده که با SOM(Self Organization Map) یا برخی مواقع به صورت SOFM(Self Organization Feature Map) نشان داده می شود، واحد های پردازش گر در گره های یک شبکه ی یک بعدی، دو بعدی یا بیشتر قرار داده می شوند. واحد ها در یک فرآیند یادگیری رقابتی نسبت به الگوهای ورودی منظم می شوند. محل واحدهای تنظیم شده در شبکه به گونه ای نظم می یابد که برای ویژگیهای ورودی، یک دستگاه مختصات معنی دار روی شبکه ایجاد شود. لذا یک نقشه ی خود سازمان ده، یک نقشه ی توپوگرافیک از الگوهای ورودی را تشکیل می دهد که در آن، محل قرار گرفتن واحدها، متناظر ویژگیهای ذاتی الگوهای ورودی است. یادگیری رقابتی که در این قیبل شبکه ها بکار گرفته می شود بدین صورت است که در هر قدم یادگیری، واحدها برای فعال شدن با یکدیگر به رقابت می پردازند، در پایان یک مرحله رقابت تنها یک واحد برنده می شود، که وزنهای آن نسبت به وزنهای سایر واحدها به شکل متفاوتی تغییر داده می شود. این نوع از یادگیری را یادگیری بی نظارت (Unsupervised) می نامند. شبکه های خودسازمان ده به لحاظ ساختاری به چند دسته تقسیم می شوند که در ادامه با هر یک از آنها به صورت مختصری آشنا می شویم. کلمات کلیدی: یادگیری رقابتی یادگیری بی نظارت شبكه های عصبی SOM دسته بندی ساختاری شبکه های خودسازمان ده فهرست مطالب مقدمه 2 1) شبکه های خودسازمانده دارای وزن ثابت: 3 1-1) شبکه ی ماکس نت(MaxNet) 3 مدل ساختاری شبکه ی MaxNet 4 ساختارشبکه 4 الگوریتم کار شبکه 5 1-2) شبکه ی کلاه مکزیکی(Mexican Hat Network) 5 مدل ساختاری شبکه ی کلاه مکزیکی که اتصالات فقط بری واحد i ام رسم شده 6 1-3) شبکه ی همینگ (Hamming Network) 8 مدل ساختاری یک واحد از شبکه ی همینگ 9 مدل ساختاری شبکه همینگ 11 2)شبکه ی (لایه ی) کوهونن 11 مدل ساختاری شبکه ی کوهونن یک بعدی 13 مدل ساختاری شبکه ی کوهونن دو بعدی 13 مشکلات و راه حلها 15 شعاع همسایگی بزرگ در آغاز یادگیری 20 کاهش شعاع همسایگی با گذر زمان 20 برخی انواع تغییر یافته ی SOM 22 برخی کاربردهای شبکه های SOM 24 نحوه ی پیاده سازی این نوع از شبکه در مجموعه ی Matlab 26 چند مثال پیاده سازی از این نوع شبکه 32 منابع 36