Submit Search
Upload
Accelerated learning in multilayer neural network
•
Download as PPTX, PDF
•
0 likes
•
218 views
G
GAFAR ZEN ALABDEEN SALH
Follow
Accelerated learning in multilayer neural network
Read less
Read more
Science
Slideshow view
Report
Share
Slideshow view
Report
Share
1 of 46
Download now
Recommended
Som kohnen learning
Som kohnen learning
GAFAR ZEN ALABDEEN SALH
Fuzzy inference
Fuzzy inference
GAFAR ZEN ALABDEEN SALH
Fuzzy logic lec 1
Fuzzy logic lec 1
GAFAR ZEN ALABDEEN SALH
Artificial neural networks lec1
Artificial neural networks lec1
GAFAR ZEN ALABDEEN SALH
Multilayer neural networks
Multilayer neural networks
GAFAR ZEN ALABDEEN SALH
النمذجة في التصنيع الغذائي الشبكة العصبية الصناعية
النمذجة في التصنيع الغذائي الشبكة العصبية الصناعية
Farhan Alfin
Self organzing neural network
Self organzing neural network
GAFAR ZEN ALABDEEN SALH
2024 State of Marketing Report – by Hubspot
2024 State of Marketing Report – by Hubspot
Marius Sescu
Recommended
Som kohnen learning
Som kohnen learning
GAFAR ZEN ALABDEEN SALH
Fuzzy inference
Fuzzy inference
GAFAR ZEN ALABDEEN SALH
Fuzzy logic lec 1
Fuzzy logic lec 1
GAFAR ZEN ALABDEEN SALH
Artificial neural networks lec1
Artificial neural networks lec1
GAFAR ZEN ALABDEEN SALH
Multilayer neural networks
Multilayer neural networks
GAFAR ZEN ALABDEEN SALH
النمذجة في التصنيع الغذائي الشبكة العصبية الصناعية
النمذجة في التصنيع الغذائي الشبكة العصبية الصناعية
Farhan Alfin
Self organzing neural network
Self organzing neural network
GAFAR ZEN ALABDEEN SALH
2024 State of Marketing Report – by Hubspot
2024 State of Marketing Report – by Hubspot
Marius Sescu
Everything You Need To Know About ChatGPT
Everything You Need To Know About ChatGPT
Expeed Software
Product Design Trends in 2024 | Teenage Engineerings
Product Design Trends in 2024 | Teenage Engineerings
Pixeldarts
How Race, Age and Gender Shape Attitudes Towards Mental Health
How Race, Age and Gender Shape Attitudes Towards Mental Health
ThinkNow
AI Trends in Creative Operations 2024 by Artwork Flow.pdf
AI Trends in Creative Operations 2024 by Artwork Flow.pdf
marketingartwork
Skeleton Culture Code
Skeleton Culture Code
Skeleton Technologies
PEPSICO Presentation to CAGNY Conference Feb 2024
PEPSICO Presentation to CAGNY Conference Feb 2024
Neil Kimberley
Content Methodology: A Best Practices Report (Webinar)
Content Methodology: A Best Practices Report (Webinar)
contently
How to Prepare For a Successful Job Search for 2024
How to Prepare For a Successful Job Search for 2024
Albert Qian
Social Media Marketing Trends 2024 // The Global Indie Insights
Social Media Marketing Trends 2024 // The Global Indie Insights
Kurio // The Social Media Age(ncy)
Trends In Paid Search: Navigating The Digital Landscape In 2024
Trends In Paid Search: Navigating The Digital Landscape In 2024
Search Engine Journal
5 Public speaking tips from TED - Visualized summary
5 Public speaking tips from TED - Visualized summary
SpeakerHub
ChatGPT and the Future of Work - Clark Boyd
ChatGPT and the Future of Work - Clark Boyd
Clark Boyd
Getting into the tech field. what next
Getting into the tech field. what next
Tessa Mero
Google's Just Not That Into You: Understanding Core Updates & Search Intent
Google's Just Not That Into You: Understanding Core Updates & Search Intent
Lily Ray
How to have difficult conversations
How to have difficult conversations
Rajiv Jayarajah, MAppComm, ACC
Introduction to Data Science
Introduction to Data Science
Christy Abraham Joy
Time Management & Productivity - Best Practices
Time Management & Productivity - Best Practices
Vit Horky
The six step guide to practical project management
The six step guide to practical project management
MindGenius
Beginners Guide to TikTok for Search - Rachel Pearson - We are Tilt __ Bright...
Beginners Guide to TikTok for Search - Rachel Pearson - We are Tilt __ Bright...
RachelPearson36
Unlocking the Power of ChatGPT and AI in Testing - A Real-World Look, present...
Unlocking the Power of ChatGPT and AI in Testing - A Real-World Look, present...
Applitools
More Related Content
Featured
Everything You Need To Know About ChatGPT
Everything You Need To Know About ChatGPT
Expeed Software
Product Design Trends in 2024 | Teenage Engineerings
Product Design Trends in 2024 | Teenage Engineerings
Pixeldarts
How Race, Age and Gender Shape Attitudes Towards Mental Health
How Race, Age and Gender Shape Attitudes Towards Mental Health
ThinkNow
AI Trends in Creative Operations 2024 by Artwork Flow.pdf
AI Trends in Creative Operations 2024 by Artwork Flow.pdf
marketingartwork
Skeleton Culture Code
Skeleton Culture Code
Skeleton Technologies
PEPSICO Presentation to CAGNY Conference Feb 2024
PEPSICO Presentation to CAGNY Conference Feb 2024
Neil Kimberley
Content Methodology: A Best Practices Report (Webinar)
Content Methodology: A Best Practices Report (Webinar)
contently
How to Prepare For a Successful Job Search for 2024
How to Prepare For a Successful Job Search for 2024
Albert Qian
Social Media Marketing Trends 2024 // The Global Indie Insights
Social Media Marketing Trends 2024 // The Global Indie Insights
Kurio // The Social Media Age(ncy)
Trends In Paid Search: Navigating The Digital Landscape In 2024
Trends In Paid Search: Navigating The Digital Landscape In 2024
Search Engine Journal
5 Public speaking tips from TED - Visualized summary
5 Public speaking tips from TED - Visualized summary
SpeakerHub
ChatGPT and the Future of Work - Clark Boyd
ChatGPT and the Future of Work - Clark Boyd
Clark Boyd
Getting into the tech field. what next
Getting into the tech field. what next
Tessa Mero
Google's Just Not That Into You: Understanding Core Updates & Search Intent
Google's Just Not That Into You: Understanding Core Updates & Search Intent
Lily Ray
How to have difficult conversations
How to have difficult conversations
Rajiv Jayarajah, MAppComm, ACC
Introduction to Data Science
Introduction to Data Science
Christy Abraham Joy
Time Management & Productivity - Best Practices
Time Management & Productivity - Best Practices
Vit Horky
The six step guide to practical project management
The six step guide to practical project management
MindGenius
Beginners Guide to TikTok for Search - Rachel Pearson - We are Tilt __ Bright...
Beginners Guide to TikTok for Search - Rachel Pearson - We are Tilt __ Bright...
RachelPearson36
Unlocking the Power of ChatGPT and AI in Testing - A Real-World Look, present...
Unlocking the Power of ChatGPT and AI in Testing - A Real-World Look, present...
Applitools
Featured
(20)
Everything You Need To Know About ChatGPT
Everything You Need To Know About ChatGPT
Product Design Trends in 2024 | Teenage Engineerings
Product Design Trends in 2024 | Teenage Engineerings
How Race, Age and Gender Shape Attitudes Towards Mental Health
How Race, Age and Gender Shape Attitudes Towards Mental Health
AI Trends in Creative Operations 2024 by Artwork Flow.pdf
AI Trends in Creative Operations 2024 by Artwork Flow.pdf
Skeleton Culture Code
Skeleton Culture Code
PEPSICO Presentation to CAGNY Conference Feb 2024
PEPSICO Presentation to CAGNY Conference Feb 2024
Content Methodology: A Best Practices Report (Webinar)
Content Methodology: A Best Practices Report (Webinar)
How to Prepare For a Successful Job Search for 2024
How to Prepare For a Successful Job Search for 2024
Social Media Marketing Trends 2024 // The Global Indie Insights
Social Media Marketing Trends 2024 // The Global Indie Insights
Trends In Paid Search: Navigating The Digital Landscape In 2024
Trends In Paid Search: Navigating The Digital Landscape In 2024
5 Public speaking tips from TED - Visualized summary
5 Public speaking tips from TED - Visualized summary
ChatGPT and the Future of Work - Clark Boyd
ChatGPT and the Future of Work - Clark Boyd
Getting into the tech field. what next
Getting into the tech field. what next
Google's Just Not That Into You: Understanding Core Updates & Search Intent
Google's Just Not That Into You: Understanding Core Updates & Search Intent
How to have difficult conversations
How to have difficult conversations
Introduction to Data Science
Introduction to Data Science
Time Management & Productivity - Best Practices
Time Management & Productivity - Best Practices
The six step guide to practical project management
The six step guide to practical project management
Beginners Guide to TikTok for Search - Rachel Pearson - We are Tilt __ Bright...
Beginners Guide to TikTok for Search - Rachel Pearson - We are Tilt __ Bright...
Unlocking the Power of ChatGPT and AI in Testing - A Real-World Look, present...
Unlocking the Power of ChatGPT and AI in Testing - A Real-World Look, present...
Accelerated learning in multilayer neural network
1.
1 إعداد:د.صالح العابدين ينز
جعفر املعلومات وتقانة الحاسوب علوم كلية النيلين جامعة Dr gafar zen alabdeen salh (2011)
2.
2 إعداد:د.صالح العابدين ينز
جعفر املعلومات وتقانة الحاسوب علوم كلية النيلين جامعة Dr gafar zen alabdeen salh (2011)
3.
تتعلمالشبكةمتعددةالطبقات،بصفةعامة،اسرعكثيرا“عندمايتم تمثيلدالةاسالتنشيطبمماسالمقطعhyperbolic tangent حيثa,bثابتانوالقيمالمناسبةلكلمنهما a=1.716 ,
b=0.667 (guyon 1991) Dr gafar zen alabdeen salh (2011) 3 a bxe a y 1 2tanh
4.
كمايمكنناايضا“تعجيلالتدريبعنطريقشمولحددفع momentum termفيقاعدةالدلتافيالمعادلة (rumelhart 1986):
∆Wjk (p)= β×∆Wjk (p-1) +α×yj(p) ×δk(p) حيثβعدداموجبا“اكبرمنأويساويصفر،واقلمنالواحد الصحيح،ويسميثابتالدفع.وتقليديا،يحددثابتالدفعبالقيمة 0.95 وتسميالمعالةالسابقةقاعدةدالتاالمعممةgeneralized delta rule.وفيالحالةالخاصةالتييكونفيهاβ=0فنحصلعليقاعدة دلتاالموجودةالعادية 4 Dr gafar zen alabdeen salh (2011)
5.
طبقالمشاهداتواتروسwatrous1987وجاكوبس1988. يكونلشمولالدفعفيخوارزميةاالنتشارللخلفتاثيراستقرار stabilisingعليالتدريب،وبكلماتاخري،يميلشمولالدفعالي تعجيلالهبوطفياتجاهانحداراالستقرار،ويبطيالعمليةعندما يعرضسطحالتعلمقمما،ووديانا. الشكل ويمثللعملية دفع
مع تعلما التاليorالمقارنة وتبين ، المانعة من الفترات عدد قللنا أننا للخلف االنتشار خوارزم مع224إلي126. 5 Dr gafar zen alabdeen salh (2011)
6.
6 0 20 40
60 80 100 120 10-4 10-2 100 102 Epoch Sum-SquaredError Training for 126 Epochs 0 100 140 -1 -0.5 0 0.5 1 1.5 Epoch LearningRate 10-3 101 10-1 20 40 60 80 120 Dr gafar zen alabdeen salh (2011)
7.
احديالوسائلاالكثرفعاليةلتعجلتقاربتعلماالنتشارللخلفهي ضبطمعلمةمعدلالتعلماثناءالتدريب.فتتسببمعلمةمعدلالتعلم الصغيرةαفيعملتغيراتصغيرةفياالوزانفيالشبكةمنتكرار الخر،ويقودذلكاليمنحنيتعلماملس.ومنناحيةاخري،اذاكانت معلمةمعدلالتعلمαكبيرةلالسراعمنعمليةالتدريبفينتجعنذلك تغيراتاكبرفياالوزانوالتييمكنانتسببفيعدماالستقرار، ونتيجةلذلكيمكنانتصبحالشبكةمتذبذبة 7 Dr gafar zen
alabdeen salh (2011)
8.
ولتعجيلالتقارب،وتجنبخطورةعدماالستقرارفينفسالوقت يمكنناتطبيقتجريبتين(جاكوبس) التجريبيةاالولي:اذاكانالتغييرفيمجموعاالخطاءالمربعةنفس االشارةالجبريةلعددمنفتراتالمنطقيةفيجبعندذلكانتزداد معلمةمعدلالتعلم التجريبيةالثانية:اذاكانتاالشارةالجبريةللتغييرفيمجموعاالخطاء المربعةتتبدللعددمنفتراتالنتائجالمنطقية.فيجبعندذلكانتقلل معلمةمعاملالتعلم 8 Dr gafar zen
alabdeen salh (2011)
9.
ويتطلبتكييفمعدلالتعلملبعضالتغييراتفيخوارزميةاالنتشار للخلف. أوال“:تحسبمخرجات،وأخطاءالشبكةمنمعلمةمعدلالتعلم االبتدائية.فإذاكانمجموعاألخطاءالمربعةعندالفترةالحاليةاكبرمن القيمةالسابقةبأكثرمنمعاملسبقتجديده(تقليديا1.04)فتقلمعلمة معدلالتعلم(تقليديابضربهافي0.7)،وتحسبأوزانوعتباتجديدة .إالانهإذاكانالخطأاقلمنالخطأالسابقةفيزدادمعدلالتعلم(تقليديا بالضربفي1.05) والشكلالتالييوضحمثاللتدريباالنتشارللخلفمعمعدلتعلميمكن تكييفهويوضحأنتكييفمعدلالتعلميمكنأنيقللعددالتكرارات بالفعل 9 Dr gafar zen
alabdeen salh (2011)
10.
10 0 10 20
30 40 50 60 70 80 90 100 Epoch Training for 103 Epochs 0 20 40 60 80 100 120 0 0.2 0.4 0.6 0.8 1 Epoch LearningRate 10-4 10-2 100 102 Sum-SquaredError 10-3 101 10-1 Dr gafar zen alabdeen salh (2011)
11.
11 0 10 20
30 40 50 60 70 80 Epoch Training for 85 Epochs 0 10 20 30 40 50 60 70 80 90 0 0.5 1 2.5 Epoch LearningRate 10-4 10-2 100 102 Sum-SquaredError 10-3 101 10-1 1.5 2 Dr gafar zen alabdeen salh (2011)
12.
ويمكناستخدامتطبيقمعدلالتعلممعتعلمبهدفع،ويبينالشكل السابقمنافعتطبيقاألسلوبينمعا“. ويحسناستخدامالدفع،ومعدلالتعلمالذييمكنتكييفهأداءشبكة االنتشارللخلفالعصبيةمتعددةالطبقاتتحسيناكبيرا،ويقللمن فرصةحدوثتذبذبالشبكة. لقدصممتالشبكاتالعصبيةفيتماثلالمخ.إالأنذاكرةالمختعمل بواسطةالمصاحبة.مثالذلك،يمكنناأننميزوجهامعتاداحتىفي البيئةغيرالمعتادةمنخالل100-200sm.ويمكنناتذكرأيضا تجربةإحساسكاملةبمافيذلكاألصوات،والمشاهدعندمانسمع بضعنغماتموسيقيةفقط.فيصاحبالمخشيئابأخربصورةروتينية. 12 Dr gafar zen
alabdeen salh (2011)
13.
تستخدمالشبكاتالعصبيةمتعددةالطبقاتالمدربةبخوارزميةاالنتشار للخلففيمشاكلتمييزاألنماط.ولكن،كماسبقالحظناليستهذه الشبكاتذكيةبصورةحقيقية.ولتقليدالخواصالمصاحبةللذاكرة المصاحبةللذاكرةالبشريةفإننانحتاجإلينوعمختلفمنالشبكات شبكةعصبيةمتكررةrecurrent neural network 13 Dr
gafar zen alabdeen salh (2011)
14.
الشبكةالعصبيةالمتكررةدوراتتغذيةمرتجعة منمخرجاتهاإليمدخالتها.ولوجودمثلهذه الدوراتتأثيرعميقعليإمكانياتتعلمالشبكة 14 Dr gafar zen
alabdeen salh (2011)
15.
بعدتطبيقمدخالتجديدة،تحسبمخرجات الشبكة،وتغذيارتجاعيالتضبطالمدخالت. وتحسببعدذلكالمخرجاتمرةأخري، وتكررهذهالعمليةحتىتصبحالمخرجاتثابتة 15 Dr gafar zen
alabdeen salh (2011)
16.
التتيحالتكراراتالمتتابعةتغيراتاصغر،واصغرمنالمخرجاتدائما،وعلي العكسيمكنأنتقودإليسلوكفوضوي.وفيهذهالحالة،اليمكنأنتصبح مخرجاتالشبكةثابتة،ويقالعنهذهالشبكةأنهاغيرمستقرةunstable. وحفزاستقرارالشبكاتالمتكررةالعديدمنالباحثينفيالستينات،والسبعيناتمن القرنالعشرينالميالدي.إالانهلميتمكنأيمنهممنالتنبوبأيشبكةستكونمستقرة ،وكانبعضالباحثينمتشائمينبالنسبةإليالوصولإليحلبالمرة.ولمتحلالمشكلة إالفيعام1982عندماوضعجونهوبفيلدjohn Hopfieldصيغةللقاعدة الطبيعيةللمعلوماتالقويةفيشبكةمستقرةديناميكيا. ويبينالشكلالتاليشبكةهوبفيلدمنطبقةواحدةتتكونمنnعصبونتحدثتغذية مرتجعةلمخرجاتكلعصبونإليمدخالتكلالعصبوناتاالخري(التوجدتغذية مرتجعةذاتيهفيشبكةهوبفيلد) 16 Dr gafar
zen alabdeen salh (2011)
17.
17 xi x1 x2 xn InputSignals yi y1 y2 yn 1 2 i n OutputSignals Dr gafar zen
alabdeen salh (2011)
18.
وعادةتستخدمشبكةهوبفيلدعصبوناتماكولوشوبيتسمعدالةتنشيط اشارةsign activation functionكعنصرحوسبةخاصبها وتعملالدالةبطريقةشبيهةلدالةاالشارة.اذاكانتالمدخالتالموزونة للعصوباقلمنالصفرتكونالمخرجات1-،وتكونالمخرجات1+، اذاكانتالمدخالتاكبرمنالصفر.االانهاذاكانتالمدخالت الموزونةتساويصفربالضبطفتظلمخرجاتهاكماهيدونتغيير. وبكلماتاخرييظلالعصبونبحالتهالسابقة. 18 XY X X Y
sign if, if,1 0if,1 Dr gafar zen alabdeen salh (2011)
19.
نشيط دالة استبدال
ويمكناالشارةخطية تشبع بدالةsaturated linear function،وفي بحته خطية كدالة تعمل التيالمدي[- 1,1]وكدالة ،اشارةهذا خارجالمديذلك الشكل ويبين 19 Dr gafar zen alabdeen salh (2011)
20.
وتحددالحالةالحاليةللشبكةعنطريقالمخرجاتالحاليةلكل العصبوناتy1,y2,…,ynلذلك،بالنسبةإليشبكةالطبقةالواحدة التيبهاnعصبونيمكنتعرفالحالةباستخداممتجهالحالةstate vectorكمايلي: 20 yn y y y ... 2 1 Dr gafar
zen alabdeen salh (2011)
21.
وعادةتمثلأوزاننقاطاالشتباكبينالعصبوناتفيشبكةهوبفيلدفي صورةمصفوفةكمايلي: حيثMعددالحاالتالتيتوجدفيذاكرةالشبكة،وYmالمتجه الثنائيفيnبعد،وIمصفوفةوحدةn*nويرمزالدليلTإلي محولالمصفوفة. 21 MIyyw M 1m T mm Dr
gafar zen alabdeen salh (2011)
22.
يمكنتمثيلشبكةهوبفيلدهندسيا.ويبينالشكلالتاليشبكة منثالثةعصبوناتممثلةبمكعبفيفراغمنثالثةأبعاد. وبصفةعامة،للشبكةالتيبهاnعصبونعدد2nحالة ممكنة،ويصاحبهامكعبمفرطhypercubeفيn بعد.وفيشكلالتاليتمثلكلحالةبرأس.وعندتطبيق متجهمدخالتجديدتتحركالشبكةمنرأس–حالةإلي أخريحتيتصبحمستقرة 22 Dr gafar zen
alabdeen salh (2011)
23.
23 y1 y2 y3 (1, 1, 1)(1,
1, 1) (1, 1, 1) (1, 1, 1) (1, 1, 1)(1, 1, 1) (1, 1, 1)(1, 1, 1) 0 Dr gafar zen alabdeen salh (2011)
24.
يتحدد-حالةالمستقربواسطةمصفوفةالوزنw ومتجهالحاليx،ومصفوفةألعتبهθ.فإذاكان متجهالمدخالتغيرصحيح،أوغيركاملجزئيا، فتتقاربالحالةاالبتدائيةإليالرأس–حالةالمستقر بعدبضعتكرارات. افرض،عليسبيلالمثال،أنشبكتناتتطلبأن يوجدفيذاكرتهاحالتينمتعارضتين(1,1,1)و (-1,-1,-1)لذلكفان: 24 Dr gafar zen
alabdeen salh (2011)
25.
حيثy1, y2أبعاد ثالثة
في متجهان أيضا صفوف في المتجهات هذه نمثل أن يمكننا كما: 25 1 1 1 , 1 1 1 211 yandy 111,111 21 TT yandy Dr gafar zen alabdeen salh (2011)
26.
وتاخذالوحدة مصفوفة3*3التالي الشكل: يمكننا
، لذلكاالنانيلي كما الوزن مصفوفة نحدد: 26 100 010 001 I 022 202 220 100 010 001 2111 1 1 1 111 1 1 1 22211 W Iyyyyw TT Dr gafar zen alabdeen salh (2011)
27.
وبعدذلك،نختبرالشبكةبتتابعالمتجهين X1,X2والمتساويينمعمتجهيالمخرجات(أو الهدف)،y1, y2عليالتواليونريدأننري إذاكانتشبكتناقادرةعليتمييزاألنماط المعتادةأمال. 27 Dr gafar
zen alabdeen salh (2011)
28.
أوال“نشطهاعنطريقتطبيقمتجهالمدخالتx.وبعدذلكنحسب متجهالمخرجاتالفعليةyوأخيرا“نحسبالنتيجةبمتجهالمدخالت االبتدائيx حيثθمصفوفةالعتبة وفيمثالنا،يمكنناأننفترضأنكلالعتباتأصفار.لذلك.فان: 28 Mmwxsigny mm ,...,2,1),(
Dr gafar zen alabdeen salh (2011)
29.
فان نري وكماy1=x1وy2=x2الحالتين
عن يقال لذلك (1,1,1)and (-1,-1,-1)مستقرتين أنهماstable 29 1 1 1 0 0 0 1 1 1 022 202 220 1 1 1 0 0 0 1 1 1 022 202 220 2 1 signy and signy Dr gafar zen alabdeen salh (2011)
30.
معثالثةعصبوناتفيالشبكة،كانتهناكثمانحاالتممكنة. وتكونبقيةالحاالتالستاالخريغيرمستقرة،إالأنالحاالت المستقرة(والتيتسميذاكراتأساسيةfundamental memoriesأيضا“)تكونقادرةعليجذبالحاالتالتيتكون قريبةمنها.وكماهومبينفيجدولالتالي.تجذبالذاكرةاألساسية (1،1،1)الحاالتغيرالمستقرة(-1,1,1)و(1,-1,1)و(1,1,- 1).وتمثيلكلمنهذهالحاالتغيرالمستقرةخطأواحد،مقارنةمع الذاكرةالرئيسية(1,1,1). 30 Dr gafar zen
alabdeen salh (2011)
31.
ومنناحيةأخري،تجذبالحالة(-1,-1,-1) الحاالتغيرالمستقرة(-1, 1,-1)و(1,-1,-1) و(-1,-1, 1)هنا،مرةأخري،تمثلالحاالتغير المستقرةخطأواحد،ومقارنةمعالذاكرةاألساسية.لذلك، يمكنأنتعملشبكةهوبفيلدفيالحقيقةعليأنهاشبكة تصحيحالخطأerror
correction network. ونلخصخطواتخوارزميةتدريبشبكةهوبفيلد 31 Dr gafar zen alabdeen salh (2011)
32.
32 التخزين االختبار االسترجاع Dr gafar zen
alabdeen salh (2011)
33.
الخطوةاألولي:التخزين تكونشبكةهوبفيلدفيnعصبونمطلوبةلتخزينفئةمنMذاكرة أساسية،Y1,Y2,…,YMويحسبوزننقطةاالشتباكمنالعصبون iوالعصبونjكمايلي: 33 jiyy ji ij M m mjmi w , ,0 1 Dr gafar zen
alabdeen salh (2011)
34.
حيثymiوymjالعنصرانرقمi,jفيالذاكرةاألساسيةعلي التواليوفيصورةالمصفوفة،وتمثلاألوزاننقطةاالشتباكبين العصبوناتكمايلي: ويمكنأنتخزنشبكةهوبفيلدفئةمنالذاكراتاألساسيةإذاكانت مصفوفةالوزنمتماثلةمعوجودأصفارفيقطرهاالرئيسي(كوهين وجروسبرج1983)أيأن: 34 MIyyw M m T mm 1 Dr
gafar zen alabdeen salh (2011)
35.
حيثwij=wji ثابتة تظل فإنها
األوزان حساب وبمجرد 35 0 0 .................. 2 ...w...ww ...................... w......w ...... w...w...0w w...w...w0 njn2n1 n1 2n2j21 1n1j12 iii w w Dr gafar zen alabdeen salh (2011)
36.
الخطوةالثاني:االختبار نحتاجأننتأكدمنشبكةهوبفيلدقادرةعليأنتتذكركلذاكرتها األساسية.بكلماتأخري،يجبأنتتذكرالشبكةأيذاكرةأساسيةym عندماتقدملهاكمدخالت.أيأن: 36 Mmwxsigny Mmyx ixwsigny Mmniyx mm mm n j mjijmi jmjm ,...,2,1),( ,...,2,1, ....................................................... )( ,..,2,1;,...2,1, 1 ,, Dr gafar zen
alabdeen salh (2011)
37.
حيثymiهيالعنصرiلمتجهالمخرجاتالفعليةymوxmj والعنصرjلمتجهالمدخالتxmوالصيغةالثانيةتوضحذلكأيضا ولكنفيصورةمصفوفة. نالحظانهإذاحدثتذكرلكلالذاكراتاألساسيةبصورةكاملةفيمكننا أننستمربالخطوةالتالية. 37 Dr gafar zen
alabdeen salh (2011)
38.
الخطوةالثالثة:االسترجاع تقدممتجهفيnبعد(مجسprob)xللشبكة،ونسترجعحالة االستقرارتقليديا،ويمثلالمجسصيغةتالفةاوغيركاملةللذاكرة األساسية،أيأن: x≠ym m=1,2,…,M (أ)تحددالقيماالبتدائيةلخوارزماالسترجاعلشبكةهوبفيلدعنطريق تحديدمايلي: xj(0) =
xj j=1,2,…,n 38 Dr gafar zen alabdeen salh (2011)
39.
عصبون لكل االبتدائية
الحالة ونحسب حيثxj(0)العنصرjالمجس للمتجهxالتكرار عندp=0، yi(0)العصبون حالةiالتكرار فيp التكرار عند الحالة متجه يمثل ، مصفوفة صورة وفيp=0يلي كما: 39 niixwsigny n j jiji ,...,2,1)..,)0(()0( 1 ))0(()0( wxsigny Dr gafar zen alabdeen salh (2011)
40.
(ب)نجددعناصرمتجهالحالةy(p)طبقا“للقاعدةالتالية: وتختارالعصبوناتللتجديدغيرمتزامنة،أيعشوائياوعنصروراء عنصر نكررالتكرارحتىاليتغيرمتجهالحالة،وبكلماتأخريتحققحالة االستقرار.ويمكنتعريفشرطاالستقراركمايلي: 40 ))(()1( 1 ipxwsignpy n j jiji niipywsignpy n j jiji
,...,2,1),)(()1( 1 Dr gafar zen alabdeen salh (2011)
41.
اوفيصورةالمصفوفةكمايلي: وتتقاربشبكةهوبفيلددائماحتيحالةاالستقراراذاحدثاسترجاع غيرمتزامن(هايكين1994)االانحالةاالستقرارالتمثلبالضرورة احديالذاكراتاالساسية.واذاكانتاساسيةفليسمنالضروريان تكوناالقرب. افرض،عليسبيلالمثالاننانريدتخزينثالثةذاكراتاساسيةفي شبكةهوبفيلدبهاخمسةعصبونات وهي:- 41 ))(()1( pwysignpy Dr
gafar zen alabdeen salh (2011)
42.
X1=(+1,+1,+1,+1,+1) X1=(+1,-1,+1,-1,+1)
X1=(-1,+1,+1,+1,-1) يلي كما الوزن المعادلة من الوزن مصفوفة تبني: 42 MIyyw M m T mm 1 Dr gafar zen alabdeen salh (2011)
43.
األساسية بالذاكرة المجس
متجه أن بافتراضxiالمتجهين هذين أن نجد فإننا فقط صغيرة قطعة في يختلفان.يتقارب أن نتوقع أن يمكن لذلكالمجسx األساسية للذاكرةxi.شبكة تدريب خورازم نطبق عندما أننا الهوبفيلدالذي مختلفة نتيجة علي نحصل فإننا أعاله وصفه سبق.النمط فيتذكرأنتجته الذي للذاكرة الشبكةx3.هذه حالتنا وفي صحيحة ذاكرة وهي.المثال هذا يكشف هوبفيلد شبكة في المضمنة المشاكل احدي. 43 01313 10131 31013 13101 31310 w Dr gafar zen alabdeen salh (2011)
44.
المشكلةاالخريهيسعةالذاكرةstorage capacityاواكبر عددمنالذاكراتاالساسيةيمكنتخزينه،واستعادتهبطريقةصحيحة. لقدبينهوبفيلدبالتجارباناقصيعددذاكراتاساسيةيمكنتخزينه فيشبكةتكرارمنnعصبونيكونمقيدابالعالقة: Mmax
=0.5n ويمكنناايضا”علي هوبفيلد لشبكة التخزين سعة تعريفاساسان الذاكرات معظماالساسيةكاملة بصورة تسترجع(اميت1989) Mmax =n/2ln n 44 Dr gafar zen alabdeen salh (2011)
45.
الذاكرات كل السترجاع
انه توضيح يمكناالساسيةكامل بصورةيجب ة عددها تقليلاليالنصف Mmax =n/4ln n يمكننا كمااننرياالنهوب شبكة تخزين بسعة االحتفاظ يجب ،فيلد الذاكرات استرجاع الممكن من تجعل لدرجة صغيرةاالساسية.ويعد هوبفيلد شبكة علي رئيسيا قيدا هذا. التق المصاحبة من نوعا هوبفيلد شبكة تمثل ، المحدد وبالقولائية auto associataiveللذاكرة.وبكلماتاخرييمكن ،ان ، تالفة ذاكرة هوبفيلد شبكة نسترجعاوي ال لكنها كاملة غيرمكنان مختلفة بذاكرة تصاحبهااخري. 45 Dr gafar zen alabdeen salh (2011)
46.
The End. Dr gafar
zen alabdeen salh (2011) 46
Download now