Hvað eru taugakerfi?

Hvað eru gervi taugakerfi (ANNs)?

Margar af stærstu framfarunum í gervigreind eru knúin áfram af gervi tauganetum. Artificial Neural Networks (ANNs) eru tenging stærðfræðilegra aðgerða sem eru tengd saman á sniði sem er innblásið af tauganetunum sem finnast í mannsheilanum. Þessar ANN eru færar um að draga flókin mynstur úr gögnum, beita þessum mynstrum á óséð gögn til að flokka/þekkja gögnin. Þannig „lærir“ vélin. Þetta er fljótleg yfirlit yfir tauganet, en við skulum skoða tauganet betur til að skilja betur hvað þau eru og hvernig þau starfa.

Fjöllaga Perceptron útskýrt

Áður en við skoðum flóknari tauganet ætlum við að taka smá stund til að skoða einfalda útgáfu af ANN, Multi-Layer Perceptron (MLP).

Ímyndaðu þér færiband í verksmiðju. Á þessu færibandi tekur einn starfsmaður á móti hlut, gerir nokkrar breytingar á henni og sendir hana svo áfram til næsta starfsmanns í línunni sem gerir slíkt hið sama. Þetta ferli heldur áfram þar til síðasti starfsmaðurinn í röðinni leggur lokahönd á hlutinn og setur hann á belti sem mun flytja hann út úr verksmiðjunni. Í þessari samlíkingu eru mörg „lög“ á færibandinu og vörur færast á milli laga þegar þær færast frá starfsmanni til starfsmanns. Í færibandinu er einnig inngangsstaður og útgöngustaður.

Líta má á fjöllaga perceptron sem mjög einfalda framleiðslulínu, gerð úr þremur lögum samtals: inntakslag, falið lag og úttakslag. Inntakslagið er þar sem gögnin eru færð inn í MLP og í falda lagið meðhöndlar einhver fjöldi „starfsmanna“ gögnin áður en þau eru send yfir á framleiðslulagið sem gefur vörunni til umheimsins. Í tilviki MLP eru þessir starfsmenn kallaðir „taugafrumur“ (eða stundum hnútar) og þegar þeir meðhöndla gögnin vinna þeir með þau í gegnum röð stærðfræðilegra aðgerða.

Innan netsins eru mannvirki sem tengja hnút við hnút sem kallast "þyngd“. Vigt er forsenda um hvernig gagnapunktar tengjast þegar þeir fara í gegnum netið. Til að orða það á annan hátt þá endurspegla þyngd hversu mikil áhrif ein taugafruma hefur á aðra taugafrumu. Vigtin fara í gegnum „virkjunaraðgerð“ þegar þau yfirgefa núverandi hnút, sem er tegund stærðfræðifalls sem umbreytir gögnunum. Þeir umbreyta línulegum gögnum í ólínulega framsetningu, sem gerir netinu kleift að greina flókin mynstur.

Samlíkingin við mannsheilann sem felst í „gervi tauganeti“ kemur frá þeirri staðreynd að taugafrumurnar sem mynda heila manns eru tengdar saman á svipaðan hátt og hnútar í ANN eru tengdir.

Þó að fjöllaga skynjari hafi verið til síðan 1940, voru ýmsar takmarkanir sem komu í veg fyrir að þær væru sérstaklega gagnlegar. Hins vegar, á undanförnum tveimur áratugum, tækni sem kallast "bakfjölgun” var búið til sem gerði netkerfum kleift að stilla þyngd taugafrumna og læra þar með mun skilvirkari. Bakútbreiðsla breytir þyngdinni í tauganetinu, sem gerir netinu kleift að fanga betur raunveruleg mynstur innan gagna.

Djúpt taugakerfi

Djúp tauganet taka á sig grunnform MLP og gera það stærra með því að bæta við fleiri földum lögum í miðju líkansins. Þannig að í stað þess að það sé inntakslag, falið lag og úttakslag, þá eru mörg falin lög í miðjunni og úttak eins falins lags verða inntak fyrir næsta falið lag þar til gögnin eru komin alla leið í gegnum netið og verið skilað.

Mörg falin lög djúps taugakerfis geta túlkað flóknari mynstur en hefðbundin fjöllaga skynjun. Mismunandi lög af djúpu tauganetinu læra mynstur mismunandi hluta gagnanna. Til dæmis, ef inntaksgögnin samanstanda af myndum, gæti fyrsti hluti netkerfisins túlkað birtustig eða myrkur pixla á meðan síðari lögin munu velja út form og brúnir sem hægt er að nota til að þekkja hluti á myndinni.

Mismunandi gerðir af taugakerfi

Það eru til ýmsar gerðir af tauganetum og hver af hinum ýmsu tegundum tauganeta hefur sína kosti og galla (og þar með eigin notkunartilvik). Tegundin af djúpu tauganeti sem lýst er hér að ofan er algengasta gerð tauganets og það er oft nefnt feedforward tauganet.

Eitt afbrigði af tauganetum er endurtekið tauganet (RNN). Þegar um er að ræða endurteknar taugakerfi eru lykkjuaðferðir notaðar til að halda upplýsingum frá fyrri greiningarástandi, sem þýðir að þeir geta túlkað gögn þar sem röðin skiptir máli. RNN eru gagnlegar til að draga mynstur úr röð / tímaröð gögnum. Endurtekin tauganet geta verið annaðhvort einstefnu eða tvíátta. Ef um er að ræða tvíátta taugakerfi getur netið tekið upplýsingar frá síðari hluta röðarinnar sem og fyrri hluta röðarinnar. Þar sem tvíátta RNN tekur tillit til meiri upplýsinga er það betra að draga rétt mynstur úr gögnunum.

Convolutional Neural Network er sérstök tegund af tauganeti sem er duglegt að túlka mynstur sem finnast í myndum. CNN starfar með því að setja síu yfir pixla myndarinnar og ná fram tölulegri framsetningu pixla í myndinni, sem það getur síðan greint fyrir mynstrum. CNN er byggt upp þannig að snúningslögin sem draga pixlana út úr myndinni koma fyrst og svo koma þétttengdu framsendingarlögin, þau sem í raun læra að þekkja hluti, koma á eftir þessu.