ADALINE - ADALINE
ADALINE ( Adaptive Linear Neuron nebo novější Adaptive Linear Element ) je časná jednovrstvá umělá neuronová síť a název fyzického zařízení, které tuto síť implementovalo. Síť používá memistory . Byl vyvinut profesorem Bernardem Widrowem a jeho postgraduálním studentem Tedem Hoffem na Stanfordské univerzitě v roce 1960. Je založen na neuronu McCulloch – Pitts . Skládá se z váhy, vychýlení a funkce součtu.
Rozdíl mezi Adaline a standardním ( McCulloch – Pitts ) perceptronem je v tom, že ve fázi učení se váhy upravují podle váženého součtu vstupů (netto). Ve standardním perceptronu se síť předává aktivační ( přenosové ) funkci a výstup funkce se používá k úpravě vah.
Vícevrstvá síť jednotek ADALINE je známá jako MADALINE .
Definice
Adaline je neuronová síť s jednou vrstvou s více uzly, kde každý uzel přijímá více vstupů a generuje jeden výstup. Vzhledem k následujícím proměnným jako:
- je vstupní vektor
- je váhový vektor
- je počet vstupů
- nějaká konstanta
- je výstupem modelu
pak zjistíme, že výstup je . Pokud to dále předpokládáme
pak se výstup dále snižuje na:
Algoritmus učení
Předpokládejme:
- je míra učení (nějaká pozitivní konstanta)
- je výstupem modelu
- je cílový (požadovaný) výstup
potom se váhy aktualizují následujícím způsobem . ADALINE konverguje k chybě nejmenších čtverců, která je . Toto pravidlo aktualizace je ve skutečnosti stochastická aktualizace sestupu gradientu pro lineární regresi .
MADALINE
MADALINE (Many ADALINE) je třívrstvá (vstupní, skrytá, výstupní), plně propojená, dopředná architektura umělé neurální sítě pro klasifikaci, která používá jednotky ADALINE ve svých skrytých a výstupních vrstvách, tj. Její aktivační funkce je funkce znaménka . Třívrstvá síť používá memistory . Byly navrženy tři různé tréninkové algoritmy pro sítě MADALINE, které nelze naučit pomocí zpětného šíření, protože funkce znaménka není diferencovatelná, nazývané Pravidlo I, Pravidlo II a Pravidlo III.
MADALINE Rule 1 (MRI) - První z nich pochází z roku 1962 a nemůže přizpůsobit váhy spojení se skrytým výstupem.
MADALINE Pravidlo 2 (MRII) - Druhý tréninkový algoritmus byl vylepšen oproti Pravidlu I a byl popsán v roce 1988. Algoritmus tréninku Pravidla II je založen na principu zvaném „minimální rušení“. Postupuje opakováním příkladů tréninku, poté pro každý příklad:
- najde jednotku skryté vrstvy (klasifikátor ADALINE) s nejnižší spolehlivostí ve své predikci,
- předběžně převrátí znamení jednotky,
- přijímá nebo odmítá změnu na základě toho, zda je snížena chyba sítě,
- zastaví se, když je chyba nula.
MADALINE Pravidlo 3 - Třetí „Pravidlo“ aplikované na upravenou síť s sigmoidními aktivacemi namísto signum; později se zjistilo, že to odpovídá zpětnému šíření.
Když navíc převrácení značek jednotlivých jednotek nezpůsobí u konkrétního příkladu chybu na nulu, tréninkový algoritmus začne převracet páry značek jednotek, potom trojice jednotek atd.
Viz také
Reference
externí odkazy
- "Delta Learning Rule: ADALINE" . Umělé neuronové sítě . Universidad Politécnica de Madrid. Archivovány od originálu na 2002-06-15.
- „ Vícevrstvé neuronové sítě založené na memristorech s online tréninkem gradientního klesání “. Implementace algoritmu ADALINE s memristory v analogovém výpočtu.