Etvs Lornd Tudomnyegyetem Informatikai Kar Nhny neuronhl Lrincz

  • Slides: 16
Download presentation
Eötvös Loránd Tudományegyetem Informatikai Kar Néhány neuronháló Lőrincz András Milacski Zoltán Ádám Quoc Le

Eötvös Loránd Tudományegyetem Informatikai Kar Néhány neuronháló Lőrincz András Milacski Zoltán Ádám Quoc Le előadása alapján

§ Informatikai Kar Eötvös Loránd Tudományegyetem Neuronok Lőrincz András | Neuronháló előadás 2

§ Informatikai Kar Eötvös Loránd Tudományegyetem Neuronok Lőrincz András | Neuronháló előadás 2

§ Informatikai Kar Eötvös Loránd Tudományegyetem Vegyük neuronok hálózatát! Lőrincz András | Neuronháló előadás

§ Informatikai Kar Eötvös Loránd Tudományegyetem Vegyük neuronok hálózatát! Lőrincz András | Neuronháló előadás 3

Eötvös Loránd Tudományegyetem Informatikai Kar Multi Layer Perceptron (MLP) 1 1 i j Lőrincz

Eötvös Loránd Tudományegyetem Informatikai Kar Multi Layer Perceptron (MLP) 1 1 i j Lőrincz András | Neuronháló előadás 4

§ Informatikai Kar Eötvös Loránd Tudományegyetem MLP tudnivalók Lőrincz András | Neuronháló előadás 5

§ Informatikai Kar Eötvös Loránd Tudományegyetem MLP tudnivalók Lőrincz András | Neuronháló előadás 5

Eötvös Loránd Tudományegyetem Informatikai Kar MLP történelem § § § Kb 1980 óta használnak

Eötvös Loránd Tudományegyetem Informatikai Kar MLP történelem § § § Kb 1980 óta használnak hierarchikus struktúrát 1990 körül legyőzték a kernel módszerek (Support Vector Machine) 2006: címkézetlen mintákat is felhasználja, megint nyer (Restricted Boltzmann Machine) 2009: NVidia CUDA megjelenik, GPU-n futtatják de csak max 3 rétegre megy 2012: Google Brain Project, a Google szerverparkján már lefut 7 réteggel 1 hét alatt! Előtte másik szerverparkon futott 6 hónapig… Lőrincz András | Neuronháló előadás 6

§ Informatikai Kar Eötvös Loránd Tudományegyetem MLP speciális esetei Lőrincz András | Neuronháló előadás

§ Informatikai Kar Eötvös Loránd Tudományegyetem MLP speciális esetei Lőrincz András | Neuronháló előadás 7

§ Informatikai Kar Eötvös Loránd Tudományegyetem MLP speciális esetei Lőrincz András | Neuronháló előadás

§ Informatikai Kar Eötvös Loránd Tudományegyetem MLP speciális esetei Lőrincz András | Neuronháló előadás 8

Eötvös Loránd Tudományegyetem Informatikai Kar Egyéb neuronhálók listája Wikipédia oldal főbb hálói § Előrecsatolt

Eötvös Loránd Tudományegyetem Informatikai Kar Egyéb neuronhálók listája Wikipédia oldal főbb hálói § Előrecsatolt neuronhálók § Többrétegű perceptron § Radiális bázisfüggvények § Győztes visz mindent (kemény verseny), lágy verseny § Kohonen önszervező háló § Rekurrens (visszacsatolt) hálók § Hopfield háló § Visszhang háló § Hosszú és rövid időtartamú memória háló § Stochasztikus neuronhálók § Boltzmann gép § Adaptiv rezonancia „elmélet” § Bayes hálók § Komponenseket kereső neuronhálók § Főkomponens analízis – kernel főkomponens analízis § Független komponens analízis § Nem-negatív mátrix faktorizáció A lista minden csak nem teljes. Lőrincz András | Neuronháló előadás 9

§ Informatikai Kar Eötvös Loránd Tudományegyetem WTA és Kohonen háló Lőrincz András | Neuronháló

§ Informatikai Kar Eötvös Loránd Tudományegyetem WTA és Kohonen háló Lőrincz András | Neuronháló előadás 10

 Informatikai Kar Eötvös Loránd Tudományegyetem Winner-take-all (WTA) Network Lőrincz András | Neuronháló előadás

Informatikai Kar Eötvös Loránd Tudományegyetem Winner-take-all (WTA) Network Lőrincz András | Neuronháló előadás 11

Eötvös Loránd Tudományegyetem Informatikai Kar Kohonen háló (Self-Organizing Map - SOM) A rács kezdetben

Eötvös Loránd Tudományegyetem Informatikai Kar Kohonen háló (Self-Organizing Map - SOM) A rács kezdetben nem illeszkedik a bemenetek halmazára (kék felhő). A fehér pont jelzi az aktuális mintát, a sárga karika pedig a legközelebbi rácspontot és a szomszédságát. A pontot ráhúzzuk a mintára (a szomszédságát is, csak kisebb mértékben), majd ezt ismételjük. Végül a rács illeszkedni fog a kék felhőre, és megmarad a rácsszerkezet által definiált szomszédság. Lőrincz András | Neuronháló előadás 12

§ Informatikai Kar Eötvös Loránd Tudományegyetem Visszhang háló (Echo State Network) Lőrincz András |

§ Informatikai Kar Eötvös Loránd Tudományegyetem Visszhang háló (Echo State Network) Lőrincz András | Neuronháló előadás 13

Minden bináris. Minden csúcs minden másik csúccsal össze van kötve (szimmetrikusan), kivéve önmagával. Szimmetrikus

Minden bináris. Minden csúcs minden másik csúccsal össze van kötve (szimmetrikusan), kivéve önmagával. Szimmetrikus súlyokra a konvergencia garantált. Memóriaként viselkedik: zajos inputra bekonvergál egy előzetesen beállított zajtalan outputba. Informatikai Kar Eötvös Loránd Tudományegyetem Hopfield háló Lőrincz András | Neuronháló előadás 14

Eötvös Loránd Tudományegyetem Informatikai Kar Hopfield háló Lőrincz András | Neuronháló előadás 15

Eötvös Loránd Tudományegyetem Informatikai Kar Hopfield háló Lőrincz András | Neuronháló előadás 15

Eötvös Loránd Tudományegyetem Informatikai Kar Scholarpedia: Hopfield Háló § mivel vagy 0, vagy arányos

Eötvös Loránd Tudományegyetem Informatikai Kar Scholarpedia: Hopfield Háló § mivel vagy 0, vagy arányos Lőrincz András | Neuronháló előadás 16