Создание модели простейшего нейрона. Основы нейронных сетей. Лекция 2

1.

Создание модели
простейшего нейрона
Основы нейронных сетей. Лекция 2

2.

Создание модели простейшего нейрона с
двумя входами и одним выходом
• Создадим сценарий для нейрона, который решает употребить пищу или нет.
• Вход 1 (input 1) подключен к датчику альбедо (albedo sensor) – показателя
отражательной способности какой-либо поверхности, который активен со
значением 1, если альбедо белое, и выдает значение 0, если альбедо темное.
• Вход 2 (input 2) подключен к датчику сладости (sweetness sensor), который
активен со значением 1, когда объект имеет сладкий запах, и со значением 0,
если нет.
• Выходной сигнал (output) представляет собой двигательную команду (motor
command) употребить пищу или нет и принимает значения 1 или 0
соответственно.

3.

Пример биологического нейрона
• Пример того, как биологический нейрон может быть реализован в виде
искусственного нейрона, показан на иллюстрациях.

4.

Синапсы
• Датчики связаны с нейроном через синапсы. В
искусственных нейронах синапсы обычно
называют весами, потому что они определяют,
насколько «тяжелым» является их вклад в
активность постсинаптического нейрона.
• Веса (синапсы) искусственного нейрона
обозначены двумя линиями. Два веса
обозначены на рисунке, как w1 и w2. При
построении модели заменим их числами. Чем
сильнее синапс, тем больше число.
• Складываем все взвешенные входы, чтобы
активировать ячейку, и получаем такое
уравнение:
активация = (input1 * w1) + (input2 * w2)

5.

Выход нейрона
• Выход нейрона – все или ничего, мы можем
представить его, как 1 или 0. Если
активация превышает определенный порог,
который мы устанавливаем (например, 2),
нейрон выводит 1.
• В противном случае он выводит 0.
• У нас есть два входа, который нам дает
четыре возможных двоичных комбинаций
на выходе: (0 0), (0 1), (1 0), (1 1).
• Это означает, что существует максимум
четыре разных вида пищи, которые может
распознать наш нейрон.

6.

Реализация в Excel. Уровень А
• Выбираем четыре продукта, которые соответствуют ограничениям
альбедо и сладости.
Рис. 1. Исходные значения
1. Введите следующие значения в таблицу Excel (рис. 2):
Рис. 2. Ввод данных в Excel

7.

Реализация в Excel. Уровень А
ШАГ 2. Обратите внимание, что входы (ячейки B1 и D1) пусты.
ШАГ 3. Весы выбираем произвольно. Порог также выбран
произвольно. Пока используем 1.
ШАГ 4. Следующим шагом вычислим активацию, сложив взвешенные
входы. Активация будет рассчитана в ячейке C3. Для этого в ячейку C3
введите: = B1 * B2 + D1 * D2.
ШАГ 5. Сравните активацию с порогом. Выберите логическую
функцию из строки Формулы к ячейке С5.
ШАГ 6. Так как активация находится в ячейке C3, а порогом является
ячейка C4, формула примет вид C3 > = C4.

8.

ШАГ 7. Для работы нейрона введите 1 в поле «Значение_если_истина»
и 0 в поле «Значение_если_ложь». Нажмите кнопку ОК (рис. 3).
Рис. 3. Окно логические функции
Вы создали модель для тестирования работы нейрона

9.

Реализация в Excel. Уровень В
Дана следующая таблица с
входными данными:
• ШАГ 1. Введите входные данные вручную. Поместите значения в две входные ячейки
B1 и D1 и пронаблюдайте, срабатывает нейрон или нет, то есть, появляется ли 1 или 0 в
выходной ячейке C5.
• ШАГ 2. Покажите нейрону «Ничего», поместив соответствующие значения 0 в ячейки
B1 и D1. Что выводит нейрон?
• ШАГ 3. Покажите нейрону «Шоколад», поместив соответствующие значения 0 и 1 в
ячейки B1 и D1. Какой результат выводит нейрон?
• ШАГ 4. Покажите нейрону «Соль», поместив соответствующие значения 1 и 0 в ячейки
B1 и D1. Какой результат выводит нейрон?
• ШАГ 5. Покажите нейрону «Мороженое», поместив соответствующие значения 1 и 1 в
ячейки B1 и D1. Какой результат выводит нейрон?
После результата нейрон должен употребить только мороженое, а не другой продукт
(выход должен быть равен 1).

10.

Реализация в Excel. Уровень С
Измените виды продуктов, вес и пороговые значения, проведите
повторное тестирование.
Для каких продуктов нейрон срабатывает, а для каких – нет?