类神经网路由来类神经网路理论起源於年代当时科学家仿造.docVIP

1.類神經網路由來 ??????? 類神經網路理論起源於1950年代，當時科學家仿造人類大腦的組織及運作方式，開始提出稱之為「感知機」（perceptron）的神經元模型，這是最簡單也是最早的類神經模型，感知機通常被拿來做分類器（classifier）使用。但是在1980年之前，由於專家系統(expert system)則是當時最流行的人工智慧基礎，加上類神經網路的理論仍不成熟，因此類神經網路並沒有受到很大的重視，一直到1980年代之後，由於霍普菲爾（Hopfield）神經網路(1982年)被提出，而此時專家系統開始遇到了瓶頸，類神經網路理論才逐漸受到重視。直到今日為止，類神經網路仍然有新的架構及理論不斷的被提出，配合電腦運算速度的增加，使得類神經網路的功能更為強大，運用層面也更為廣泛。 ?????? 一部機器的運作或是一個事件的發生常常有相對應的因果關係（例如：打開電器用品的開關，電器用品開始運作；腳採油門車子的速度增加），我們將打開開關與腳採油門的動作稱為系統的輸入，電器用品與車子稱為系統，而電器用品的運作與車子的速度稱為系統的輸出，整個輸入與輸出的關係可以用一個方塊圖來表示： ??????? 在控制領域中，若要精確的分析輸入與輸出之間的關係，則必須將系統藉由數學的方式做成模型。但是，實際的系統往往是複雜且非線性的，因此如何以數學的方式簡化系統及線性化，就成為控制學門中一個重要的課題。 ???????? 類神經網路的一個優點在於並不需要瞭解系統的數學模型為何，而直接以神經網路取代系統的模型，一樣可以得到輸入與輸出之間的關係。其方塊圖如下所示： ??????? 人類的大腦大約由1011個神經細胞（nerve cells）組成，而每個神經細胞又有104個突觸(synapses)與其他細胞互相連結成一個非常複雜的神經網路。當人類的感官受到外界刺激經由神經細胞傳遞訊號到大腦，大腦便會下達命令傳遞至相關的受動器（effector）做出反應（例如：手的皮膚接觸到燙的物體立即放開），這樣的過程往往需要經由反覆的訓練，才能做出適當的判斷，並且記憶於腦細胞中。如果大腦受到損害（例如中風患者），便需要藉由復健的方式，重新學習。類神經網路的運作便源於此，藉由不同的演算法訓練類神經網路使得神經網路的輸出能達到我們所要求的結果。 回到目錄 2.類神經網路簡介 ?????? 一個類神經元的模型顯示如下： ?虛線的部分即為類神經元 X：稱為神經元的輸入（input）。 W：稱為鍵結值(weights)，類神經網路的訓練就是在調整鍵結值，使其變得更大或是更小，通常由隨機的方式產生介於+1到- 1之間的初始值。鍵結值可視為一種加權效果，其值越大，則代表連結的神經元更容易被激發，對類神經網路的影響也更大；反之，則代表對類神經網路並無太大的影響，而太小的鍵結值通常可以移除以節省電腦計算的時間與空間。 b：稱為閥值（bias），有偏移的效果。 S：稱為加法單元（summation），此部分是將每一個輸入與鍵結值相乘後做一加總的動作。 φ( )：稱之為活化函數（activation function），通常是非線性函數，有數種不同的型式，其目的是將S的值做映射得到所需要的輸出。 Y：稱之為輸出（output），亦即我們所需要的結果。 ??????? 將上述的神經元組合起來就成為一個類神經網路。目前為止，許多的學者針對欲解決問題的不同，提出許多的類神經網路模型，每一種類神經網路的演算法並不相同。常見的網路有：倒傳遞網路（Back-propagation Network）、霍普菲爾網路（Hopfield Network）、半徑式函數網路（Radial Basis Function Network），這些類神經網路並非適用所有的問題，我們必須針對欲解決問題的不同選擇適當的類神經網路。以下所顯示的是四個輸入與一個輸出的倒傳遞網路模型： 圓圈的部分代表神經元 ??????? 要使得類神經網路能正確的運作，則必須透過訓練（training）的方式，讓類神經網路反覆的學習，直到對於每個輸入都能正確對應到所需要的輸出，因此在類神經網路學習前，我們必須建立出一個訓練樣本（training pattern）使類神經網路在學習的過程中有一個參考，訓練樣本的建立來自於實際系統輸入與輸出或是以往的經驗，例如：洗衣機洗淨衣服的時間，與衣服的質料、數量、骯髒的程度有關，因此我們必須先針對不同質料、數量、骯髒的程度的衣服統計出洗衣所需的時間，建立訓練樣本。不同衣服的質料、數量、骯髒程度就是類神經網路的輸入，而洗衣所需的時間則為類神經網路的目標值（target），也就是類神經網路的參考輸出。類神經網路的工作性能與訓練樣本有直接的關係，若訓練樣本不正確、太少或是太相似，類神經網路