WAI Wykłady 3 i 4. Sieci neuronowe. Uczenie i zastosowania. Wstęp do logiki rozmytej.

Transkrypt

1 WAI Wykłady 3 i 4. Sieci neuronowe. Uczenie i zastosowania. Wstęp do logiki rozmytej. Literatura: S. Osowski, Sieci neuronowe w ujęciu algorytmicznym. WNT, Warszawa 997. D. Rutkowska, M. Piliński i L. Rutkowski, Sieci neuronowe, algorytmy genetyczne i systemy rozmyte, PWN, Warszawa 997 R. Tadeusiewicz, Sieci neuronowe. Akademicka Oficyna Wydawnicza RM, Warszawa, 993, 999 Żurada Jacek, Barski Mariusz, Jędruch Wojciech, Sztuczne sieci neuronowe, Wydawnictwo Naukowe PWN, Warszawa, 996.

2 Perceptron - przypomnienie x x 2 x n w w 2 w n y = wi xi θ 0 w p. p. y

3 Przypomnienie.Jak opisać perceptron? Co charakteryzuje perceptron? Perceptron jest opisywany jednoznacznie przez zbiór wag w,...,w n R oraz wartość progowa θ R Wartości x,...,x n R to zmienne pojawiające się na wejściu do perceptronu Funkcja aktywacji: wi xi θ y = 0 otherwise

4 Uczenie perceptronu Przykład: rozpoznawanie znaków 36 wejść Wyjście:, jeśli na wejściu pojawia się litera A, zaś 0 w p.p. Siatka 6 6 Zadanie: dobrać wagi wejść i wartość progową tak, by uzyskać zaplanowany efekt Dane testowe Dane treningowe (znane odpowiedzi) Dobór wag (uczenie) Odpowiedź

5 Wejście: Proces uczenia: Inicjujemy wagi losowo Dla każdego przykładu, jeśli Uczenie perceptronu, n=2 Ciąg przykładów uczących ze znanymi odpowiedziami odpowiedź jest nieprawidłowa, to w + = α x w 2 + = α x 2 θ = α w (k+)= w (k) + w +, podobnie dla w 2, θ(k+)= θ(k) θ, k-krok iteracji, epoka [w,w 2 ] gdzie α jest równe różnicy odpowiedzi sieci i prawidłowej odpowiedzi.

6 Uczenie perceptronu Często α mnoży się dodatkowo przez niewielki współczynnik uczenia Po wyczerpaniu przykładów, zaczynamy proces uczenia od początku, dopóki następują jakiekolwiek zmiany wag połączeń Próg θ można traktować jako wagę dodatkowego wejścia o wartości -: (zawsze -) x 2 3 θ = 3 2 (θ = 0) x 2-4 x x 2-4

7 Przykład: Uczenie neuronu Zbiór punktów na wykresie jest liniowo separowalne. Funkcja aktywacji: y = wi xi θ otherwise

8 Niech w =, w 2 =, θ =, wsp. uczenia η= Pierwszy przykład jest dobrze, ale drugi nie, modyfikujemy zatem wagi: w + = (- - ) 9.4 w 2 + = (- - ) 6.4 θ = (- - ) Otrzymamy w = w 2 = θ = 3 Drugi przykład jest dobry, ale trzeci nie

9 Uczenie perceptronu Opisany schemat jest w miarę przejrzysty tylko dla pojedynczych perceptronów, lub niewielkich sieci Ciężko jest stosować reguły tego typu dla skomplikowanych modeli Tymczasem np. do rozpoznawania wszystkich liter potrzeba by sieci złożonej z 26 takich perceptronów

10 Sieci perceptronów Dendrites Nodes Synapses Axon Synapses (weights) Ograniczenia pojedynczych perceptronów spowodowały w latach 80-tych wzrost zainteresowania sieciami wielowarstwowymi i opracowanie algorytmu ich uczenia (propagacja wsteczna)

11 SIECI PERCEPTRONÓW Potrafią reprezentować dowolną funkcję boolowską (opartą na rachunku zdań) p θ = 2-2 θ = p XOR q q

12 SIECI WIELOWARSTWOWE Wyjścia neuronów należących do warstwy niższej połączone są z wejściami neuronów należących do warstwy wyższej np. metodą każdy z każdym Działanie sieci polega na liczeniu odpowiedzi neuronów w kolejnych warstwach Nie jest znana ogólna metoda projektowania optymalnej architektury sieci neuronowej

13 Funkcje aktywacji Progowe,2 f ( s) = s 0 0 s < 0 0,8 0,6 0,4 0, ,2,2 Sigmoidalne 0,8 0,6 0,4 0, f ( s) s = + e

14 FUNKCJE AKTYWACJI (2) Unipolarne,2 f ( s) s = + e 0,8 0,6 0,4 0, ,5 0,5 Bipolarne ,5 - f 2 + e ( s) = s -,5

15 FUNKCJE AKTYWACJI (3),2 0,8 0,6 0,4 0, f α ( s) α s = + e α = 2.0 α =.0 α = 0.5 lim α 0 f α ( s) = 0.5 lim f ( s) α + α = s s s > = < 0 0 0

16 FUNKCJE AKTYWACJI (4) f θ, α + e ( s) = α ( s θ ),2 0,8 0,6 θ = 2 α =.5 0,4 0,

17 FUNKCJE AKTYWACJI (5) Zasady ogólne: Ciągłość (zachowanie stabilności sieci jako modelu rzeczywistego) Różniczkowalność (zastosowanie propagacji wstecznej błędu) Monotoniczność (intuicje związane z aktywacją komórek neuronowych) Nieliniowość (możliwości ekspresji)

18 SIECI NEURONOWE Potrafią modelować (dowolnie dokładnie przybliżać) funkcje rzeczywiste (z tw. Kołmogorowa) n y = f w 0 + w x i i= i Σ f ( s) s = + e funkcja aktywacji

19 Sieć tworzy teksturę SIECI NEURONOWE Σ

20 SIECI NEURONOWE

21 SIECI JAKO FUNKCJE ZŁOŻONE () x v f w x2 v2 v2 v22 f2 w2 g y ( ( ) ( )) y = g w f v x v x w f v x v x y = Network ( ) x, x 2

22 SIECI JAKO FUNKCJE ZŁOŻONE (2) g f2 f x x y ( ) ( ) ( ) ( ) < = x x x x x x x x e e e e y

23 SIECI JAKO FUNKCJE ZŁOŻONE (3) x v f w x2 v2 v2 v22 f2 w2 g y = =Network(x,x2) Jeśli wszystkie poszczególne funkcje aktywacji są liniowe, to funkcja Network jest również liniowa (małe znaczenie w praktyce) Architektura wielowarstwowa daje zatem nowe możliwości tylko w przypadku stosowania funkcji nieliniowych

24 SIECI JAKO FUNKCJE ZŁOŻONE przypadek liniowy x x2 v2 v2 v v22 Niech f i (x,x2) = a i *(x*v i + x2*v i 2) + b i g(z,z2) = a*(z*w + z2*w2) + b Wtedy Network(x,x2) = A*x + A2*x2 + B Np.: A = a*(a*v*w + a2*v2*w2) f f2 w w2 g y

25 PROPAGACJA WSTECZNA BŁĘDU () Chcemy wytrenować wagi połączeń między kolejnymi warstwami neuronów. Jest to tzw. proces adaptacji wag. Jego algorytm odpowiada zadaniu minimalizacji funkcji błędu. Jest to uczenie pod nadzorem, zwane z nauczycielem, gdyż mamy zbiór danych trenujących. Inicjujemy wagi losowo (na małe wartości) Dla danego wektora uczącego obliczamy odpowiedź sieci (warstwa po warstwie) Każdy neuron wyjściowy oblicza swój błąd, odnoszący się do różnicy pomiędzy obliczoną odpowiedzią y oraz poprawną odpowiedzią t. Następnie ten błąd jest rozkładany na poszczególne połaczenia, zaczynając od połączenia wyjściowego.

26 PROPAGACJA WSTECZNA BŁĘDU (2) dane uczące odpowiedź sieci y błąd d właściwa odpowiedź t Błąd sieci definiowany jest zazwyczaj jako d = 2 ( y t) 2

27 PROPAGACJA WSTECZNA BŁĘDU (3) Oznaczmy przez: f: R R funkcję aktywacji w neuronie w,..., w K wagi połączeń wchodzących z,..., z K sygnały napływające do neuronu z poprzedniej warstwy Błąd neuronu traktujemy jako funkcję wag połączeń do niego prowadzących: d( w ) ( ( ) ) 2,..., wk = f w z wk zk t 2

28 PRZYKŁAD () Rozpatrzmy model, w którym: Funkcja aktywacji przyjmuje postać f + e ( s ) = 3 s + Wektor wag połączeń = [;-3;2] ( 2 ) Załóżmy, że dla danego przykładu: Odpowiedź powinna wynosić t = 0.5 Z poprzedniej warstwy dochodzą sygnały [0;;0.3]

29 PRZYKŁAD (2) Liczymy wejściową sumę ważoną: s = w x + w2 x2 + w3x3 = 0 + ( 3) = 2.4 Liczymy odpowiedź neuronu: y Błąd wynosi: ( s) = 2 + e + e = f 3 + d = ( ) = ( )

30 IDEA ROZKŁADU BŁĘDU Musimy rozłożyć otrzymany błąd na połączenia wprowadzające sygnały do danego neuronu Składową błędu dla każdego j-tego połączenia określamy jako pochodną cząstkową funkcji błędu d(x,y,t) względem j-tej wagi Składowych tych będziemy mogli użyć do zmodyfikowania ustawień poszczególnych wag połączeń

31 IDEA ROZKŁADU BŁĘDU (2) Załóżmy, że mamy neuron z wagami w 0 =0, w =2, w 2 =3. Mamy dane wektor wejściowy: [0.3, 0.7], przy czym oczekiwana odpowiedź to t=. Jak należy zmienić wagi, aby błąd był jak najmniejszy? Możemy błąd przedstawić jako funkcję w, w 2 : x w x 2 n y = f w0 + w i x f w 2 ( s) s = + e i= y i błąd -2 0 Wagi powinniśmy zmienić się w kierunku spadku wartości błędu wartość błędu dla wag [2, 3]

32 KIERUNEK ZMIANY WAG Jeśli rozważymy większą liczbę przykładów, funkcja średniego błędu będzie miała bardziej skomplikowany kształt. [0.3, 0.7], t= [0.2, 0.9], t=0. [-0.6, ], t= [0, -0.8], t=0.5 [0.6, ], t= Nachylenie wykresu w danym punkcie (odpowiadającym aktualnym wartościom wag) dane jest przez gradient, czyli wektor pochodnych cząstkowych. Zmiana wag powinna nastąpić w kierunku przeciwnym.

33 ( ) ( ) j z s f t y ' OBLICZANIE POCHODNEJ ( ) = j K w w w d,..., ( ) ( ) K K t z w w z f ( ) ( ) ( ) j K K w z w w z s s f y t y + + = ( ) ( ) j K K w t z w w z f + + =... 2

34 Idea: PROPAGACJA WSTECZNA BŁĘDU Wektor wag połączeń powinniśmy przesunąć w kierunku przeciwnym do wektora gradientu błędu (z pewnym współczynnikiem uczenia η) Możemy to zrobić po każdym przykładzie uczącym, albo sumując zmiany po kilku przykładach. Realizacja: w ( ) ( ) j = η t y f ' s z j Prosty przykład: wagi w =, w 2 =, dane wejściowe: [0.5, 0.5], t =. Funkcja sigmoidalna: f ( s) s = f ( s ) + e więc: s ( + e ) 2 Stąd: s = =, y = 0.73, zmiana w= (- 0.73) * 0.9 * 0.5 = A więc nowe wagi to.026. Ten sam przykład da tym razem odpowiedź y= = e s

35 w PROPAGACJA WSTECZNA BŁĘDU (2) Błędy są następnie propagowane w kierunku poprzednich warstw. Wprowadźmy pomocniczo współczynnik błędu δ zdefiniowany dla ostatniej warstwy jako: błąd δ w 2 błąd δ błąd δ 2 δ = f ( s) δ = ( t y) a dla pozostałych warstw: n f ( s ) δ i= w i czyli neuron w warstwie ukrytej zbiera błąd z neuronów, z którymi jest połączony. Zmiana wag połączeń następuje po fazie propagacji błędu i odbywa się według wzoru: w = η δ Oznaczenia: w - waga wejścia neuronu, z - sygnał wchodzący do neuronu danym wejściem, δ - współczynnik błędu obliczony dla danego neuronu, s - wartość wzbudzenia (suma wartości wejściowych pomnożonych przez wagi) dla danego neuronu. z i

36 Zadania sprawdzające:. Co charakteryzuje prosty perceptron? 2. Podać inną funkcję logiczną niż XOR, której nie potrafi obliczyć sieć neuronowa. 3. Jaką własność posiada każda funkcja aktywacji? 4. Co to jest równanie perceptronowe? Jakie jest jego znaczenie? 5. Co potrafi zrobić pojedyńczy neuron?

37 Co potrafi układ perceptronów? Klasyfikować punkty na płaszczyźnie należące do kilku różnych obszarów Jeśli funkcje decyzyjne neuronów w warstwie wewnętrznej są afiniczne, to rożne obszary są rozdzielane prostymi (ogólnie: hiperpłaszczyznami w przestrzeni n- wymiarowej). Układ perceptronów, który jest już siecią neuronową perceptronową realizuje klasyfikator.

38 ROZPOZNAWANIE WZORCÓW Wzorce: obrazy, nagrania, dane personalne, sposoby prowadzenia pojazdu, etc. Reprezentacja wzorca: Wektor cech (wejść do sieci neuronowej) Klasyfikacja wzorców: Klasyfikacja do jednej z istniejących klas Formowanie klas wzorców, tutaj sieć samoorganizująca się, np.art, Kohonena, uczenie bez nauczyciela Asocjacyjne odtwarzanie wzorców, tutaj sieć Hopfielda: każdy neuron połączony z każdym Odtwarzanie wzorców podobnych Uzupełnianie wzorców Odzyskiwanie (czyszczenie) wzorców

39 Przykład zagadnienia praktycznego Znaleźć, odczytać i zapamiętać numer rejestracyjny samochodu na podstawie zdjęcia:

40 Odczytywanie tablic rejestracyjnych (2) Wyselekcjonowany obszar Lokalizacja znaków Rozpoznawanie znaków: - znajdowanie istotnych cech liczbowych - klasyfikacja na podstawie cech (systemy uczące się)

41 Wykorzystywane technik sztucznej inteligencji i ich narzędzi Sieci neuronowe Wnioskowanie, indukcja reguł Algorytmy ewolucyjne Systemy wieloagentowe (współpraca) Automaty komórkowe Metody przeszukiwania możliwych rozwiązań i ich optymalizacji...

42 PRZYKŁADOWE POLE DO POPISU Analiza dźwięku, obrazu, bądź danych multimedialnych, nie może opierać się ani wyłącznie na sieciach neuronowych, ani na, np., drzewach decyzyjnych czy AG. Konieczne jest połączenie metod numerycznych, naśladujących działanie ludzkich zmysłów, z metodami symbolicznymi, naśladującymi ludzkie rozumowanie.

43 Zbiory rozmyte Sposób formalnego opisu nieprecyzyjności Literatura. Piegat A. Modelowanie i sterowanie rozmyte. Akademicka Oficyna Wydawnicza EXIT Warszawa Rutkowska D., Piliński M, Rutkowski L. Sieci neuronowe, algorytmy genetyczne i systemy rozmyte. Wyd. Naukowe PWN Warszawa 997

44 Zbiory rozmyte naśladowanie ludzkiej nieprecyzyjnej oceny otoczenia Ludzie patrzą na świat nieprecyzyjnie: bardzo zimno, szybko, niedaleko Ludzie potrafią radzić sobie mimo nieprecyzyjnej oceny nawet w ekstremalnych sytuacjach : przechodzenie przez jezdnię, sterowanie samolotem

45 Przynależność do zbioru Zbiory klasyczne przynależność całkowita Czy duży stos kamieni przestanie być dużym stosem kamieni, gdy zabierzemy jeden? A jak dwa, a jak 22? Czy po zabraniu części kamienia myślimy o dużym stosie jako o nieco mniejszym? Czy cena za produkt 3,99 jest w codziennym życiu równoważna cenie 4,00? Zbiory rozmyte przynależność częściowa Przestrzeń zbiorów klasycznych jest podzbiorem przestrzeni zbiorów rozmytych, poprzez funkcję charakterystyczną tego zbioru, jako szczególnym przypadkiem funkcji przynależności zbioru rozmytego

46 Zbiór klasyczny jak jednoznacznie opisać? Funkcja charakterystyczna - odpowiednik zbioru klasycznego Funkcja charakterystyczna zbioru A: χ A Presztrzeń X Przedział (zbiór) A X

47 Definicje DEFINICJA Zbiorem rozmytym A na pewnej przestrzeni X, nazywamy zbiór par: A={(x, µ A (x))} x X gdzie: µ A jest funkcją, która przypisuje każdemu elementowi x X (przyjętej przestrzeni rozważań X) jego stopień przynależności do zbioru A, przy czym: µ A : X [0,], zatem µ A (x) [0,]. Można to odebrać jako zdanie w logice wielowartościowej, gdzie 0 fałsz, - prawda.

48 Funkcja µ A nazywana jest funkcją przynależności, zaś jej wartość dla danego argumentu nazywana jest stopniem przynależności x do zbioru rozmytego A. Stopień przynależności określa, w jakim stopniu rozpatrywany argument należy do zbioru rozmytego A. Można zauważyć,że funkcja µ A wraz z dziedziną jednoznacznie wyznaczają zbiór A. Zbiór rozmyty, którego funkcja przynależności osiąga wartość dla co najmniej jednego elementu nazywany jest zbiorem rozmytym normalnym.

49 Dla każdego zbioru rozmytego wyznacza się często jego integralny parametr pomocny przy określaniu i analizie różnych własności - nośnik (ang. support). DEFINICJA Nośnikiem zbioru rozmytego A w X jest zbiór nierozmyty oznaczany jako supp(a) i określony następująco: supp(a)={x: µ A (x) > 0}. Inaczej mówiąc, nośnikiem nazywamy taki podzbiór dziedziny funkcji przynależności, dla którego elementów, wartości funkcji są większe od zera.

50 µ A Przykład zbioru rozmytego () Zbiór rozmyty reprezentujący określenie ciepła pogoda. T[ C]

51 µ A Przykład zbioru rozmytego (2) Zbiór rozmyty reprezentujący określenie ciepła pogoda. T[ C]

52 Przykład zbioru rozmytego (3) 0,8 0,6 0,4 0,2 µ A Zbiór rozmyty (dyskretny) reprezentujący określenie sympatyczne zwierzę. Gatunek zwierząt rekin koń pies kot owca kura mucha

53 Działania na zbiorach rozmytych Istnieją różne sposoby definiowania działań na zbiorach rozmytych. Tutaj zostaną omówione te zaproponowane przez Zadeha w 965r. zwane działaniami mnogościowymi. Sumą zbiorów rozmytych A i B z funkcjami przynależności (odpowiednio µ A i µ B ) określonymi na tym samym zbiorze X nazywamy zbiór C wyznaczony przez funkcję przynależności µ C gdzie x X. µ C (x)= µ A B (x) = max(µ A (x), µ B (x))

54 A B A+B

55 Iloczynem (przecięciem) zbiorów rozmytych A i B z funkcjami przynależności (odpowiednio µ A i µ B ) określonymi na tym samym zbiorze X nazywamy zbiór C wyznaczony przez funkcję przynależności µ C µ C (x)= µ A B (x) = min(µ A (x), µ B (x)) gdzie x X.

56 A B A B

57 Dopełnieniem zbioru A określonego na przestrzeni X jest zbiór rozmyty A wyznaczony przez funkcję przynależności µ A gdzie x X. µ A (x) = - µ A (x)

58 A A

59 Własności działań w klasycznej teorii zbiorów Inwolucja (podwójna negacja) A= ( A) Przemienność A B = B A A B = B A Łączność (A B) C = A (B C) (A B) C = A (B C) Rozdzielność A (B C) = (A B) (A C) Idempotencja A (B C) = (A B) (A C) A = A A, A = A A Pochłanianie (absorpcja) A (A B) = A A (A B) = A

60 Pochłanianie dopełnienia Pochłanianie przez i U Identyczność Prawo zaprzeczenia Prawo wyłączonego środka A ( A B) = A B A ( A B) = A B A U = U A = A = A A U = A A A = A A = U Prawa de Morgana (A B) = A B (A B) = A B U uniwersum do którego należą rozważane zbiory A, B i C - zbiór pusty, jego funkcja charakterystyczna jest stała i równa zero

61 Własności spełniane przez działania mnogościowe na zbiorach rozmytych Inwolucja Przemienność Łączność Rozdzielność Idempotencja Pochłanianie Pochłanianie dopełnienia Pochłanianie przez i U Identyczność Prawo zaprzeczenia Prawo wyłączonego środka Prawa de Morgana tak tak tak tak tak tak nie tak tak nie nie tak

62 Operatory t-normy i s-normy normy trójkątne Istnieją różne rodzaje działań, które można nazywać sumą lub iloczynem zbiorów. Warunki, które muszą być spełnione, by dane działanie było sumą nazywane są s-normą, iloczynem t-normą. Ogólnie nazywa się je normami trójkątnymi. s-normą nazywa się funkcję S: [0, ] [0, ] [0, ] taką, że dla każdego a, b, c [0, ] spełnione są warunki o łączność S(S(a, b),c) = S(a, S(b, c)) o przemienność S(a, b) = S(b, a) o monotoniczność dla b c zachodzi S(a, b) S(a, c) o warunek brzegowy (element neutralny) S(a, 0) = a

63 t normą nazywa się funkcję T: [0, ] x [0, ] [0, ] niemalejącą (monotoniczną) oraz spełniającą warunki łączności, przemienności (jak w przypadku s-normy), a także warunek brzegowy: T(a,) = a Dla każdej konkretnej normy trójkątnej istnieje norma do niej dualna inaczej nazywana jej ko-normą. Warunkiem tego, by s-norma była dualna do danej t-normy (i na odwrót) jest spełnianie poniższych zależności: S(a,b) = -T(-a,-b) T(a,b) = -S(-a,-b), które można rozpatrywać jak uogólnienie praw de Morgana.

64 Przykładowe często wykorzystywane normy trójkątne: Norma maksyminowa t norma minimum: T(a, b) = a b = min (a, b) s norma maksimum: S(a, b) = a b = max(a, b) Norma Larsena t norma - iloczyn algebraiczny: T(a, b) = a b s norma - iloczyn probablistyczny: S(s, b) = a + b (a b) Mimo, iż normy trójkątne podają ogólne warunki, jakie musi spełniać dane działanie, by można je było nazwać dodawaniem lub mnożeniem, to są wygodnym narzędziem służącym do definiowania działań także na zbiorach rozmytych (zatem także liczbach rozmytych).

65 Przykładowe częściej wykorzystywane normy trójkątne: Norma maksyminowa t norma minimum: T(a, b) = a b = min (a, b) s norma maksimum: S(a, b) = a b = max(a, b) Norma Larsena t norma - iloczyn algebraiczny: T(a, b) = a b s norma - iloczyn probabilistyczny: S(s, b) = a + b (a b) Mimo, iż normy trójkątne podają ogólne warunki, jakie musi spełniać dane działanie, by można je było nazwać dodawaniem lub mnożeniem, to są wygodnym narzędziem służącym do definiowania działań na zbiorach rozmytych (zatem także liczbach rozmytych, które są szczególnym przypadkiem gdy X=R).