STANBUL TEKNK NVERSTES ELEKTRONK HABERLEME MHENDSL Bu hcrelerden
İSTANBUL TEKNİK ÜNİVERSİTESİ ♦ ELEKTRONİK & HABERLEŞME MÜHENDİSLİĞİ Bu hücrelerden oluşan bir başka ağ Çıkış katmanı Gizli katman İçerik katmanı giriş Elman Ağı
İSTANBUL TEKNİK ÜNİVERSİTESİ ♦ ELEKTRONİK & HABERLEŞME MÜHENDİSLİĞİ Çıkış Katmanı y(k) …. . İçerik Katmanı xc(k) …. . Gizli Katman x(k) Giriş Katmanı u(k)
İSTANBUL TEKNİK ÜNİVERSİTESİ ♦ ELEKTRONİK & HABERLEŞME MÜHENDİSLİĞİ Elman Ağı ile zamanda yapı tanıma: kelime tanıma Elman ağı belirli bir kurala göre oluşturulmuş sembol dizisinin altında yatan kuralı öğrenebiliyor. Bu da bir başka Kodlama Bu semboller dili oluşturan sesler olarak düşünülebilir. Harf dizisine ilişkin gösterim: 6 özellik ile elde ediliyor Sessiz Sesli Kesikli Yüksek Dönüşlü Akortlu b [1 0 0 1] d [1 0 1] g [1 0 1 1] a [0 1 0 0 1 1] i [0 1 0 1] u [0 1 1 1] Mahmut Meral Bitirme Ödevi, 2003
İSTANBUL TEKNİK ÜNİVERSİTESİ ♦ ELEKTRONİK & HABERLEŞME MÜHENDİSLİĞİ önce üç sessiz harften biri rasgele olarak seçilip sesli harfler aşağıdaki kurala göre araya eklenmiştir. b -> ba d -> dii g -> guuu Örneğin rasgele seçilen sessiz harf dizisi dbgbddg… ise oluşan harf dizisi: diibaguuubadiidiiguuu… şeklindedir. . . U(n+1) . . . . U(n) 0 1 0 0 1 1 1 0 1 0 1 0 1 1 1 0 1 1 1
İSTANBUL TEKNİK ÜNİVERSİTESİ ♦ ELEKTRONİK & HABERLEŞME MÜHENDİSLİĞİ
İSTANBUL TEKNİK ÜNİVERSİTESİ ♦ ELEKTRONİK & HABERLEŞME MÜHENDİSLİĞİ Elman Ağı ile kelime dizisi tanıma Elman ağı, ses sembollerinden (harflerden) oluşan kelimeler kullanılarak bir harf dizisinin içinden anlamlı harf dizilerini de (kelimeleri) ayırabilir Uygulamada on üç farklı harften oluşan altı farklı kelime kullanılmaktadır. Harfler beş bitlik vektörler olarak kodlanmıştır. Kelimelerin uzunluğu üç ile yedi harf arasında değişmektedir. Altı kelimeden rasgele 450 kelime uzunluklu bir dizi oluşturdu. Daha sonra kelime dizisi 2106 harf uzunluğunda bir harf dizisine çevrilerek beş bitlik vektörler şeklinde kodlandı
İSTANBUL TEKNİK ÜNİVERSİTESİ ♦ ELEKTRONİK & HABERLEŞME MÜHENDİSLİĞİ e l m a n a ğ ı i l e z a m a n d a y a p ı t a n ı m a Giriş 00101 01000 01100 00001 01101 00001 00110 00111 01000 00100 10010 00001 01101 00010 00001 10001 01110 001111 00001 01101 001100 00001 l m a n a ğ ı i l e z a m a n d a y a p ı t a n ı m a Çıkış 01000 01100 00001 01101 00001 00110 00111 01000 00100 10010 00001 01101 00010 00001 10001 01110 001111 00001 01101 001100 00001
İSTANBUL TEKNİK ÜNİVERSİTESİ ♦ ELEKTRONİK & HABERLEŞME MÜHENDİSLİĞİ
İSTANBUL TEKNİK ÜNİVERSİTESİ ♦ ELEKTRONİK & HABERLEŞME MÜHENDİSLİĞİ Kelimeler arası sınırlarda iki ve üzerinde hatalı bit oluşmaktadır. Bir nokta hariç ara noktalarda ise hatalı bit yoktur. Sadece “zamanda” kelimesindeki “d” harfinin tahmininde bir hatalı bit oluşmaktadır. Bu durumun sebebi “elman” ve “zamanda” kelimelerinin her ikisinde de “man” dizisinin bulunmasıdır. ”zamanda” kelimesindeki “man” dizisinden sonra “d” gelmesi beklenirken, “elman” kelimesindeki “man” dizisinden sonra altı kelime içinden herhangi birinin ilk harfi (e, a, i, z, y, t) gelebilmektedir. Bu durum eğitimi olumsuz yönde etkileyerek hatanın yeterince azalmasını önlemektedir
İSTANBUL TEKNİK ÜNİVERSİTESİ ♦ ELEKTRONİK & HABERLEŞME MÜHENDİSLİĞİ Uyarlanabilir Yankılaşım Teorisi (Adaptive Resonance Theory- Grossberg ) http: //cns. bu. edu/~steve/
İSTANBUL TEKNİK ÜNİVERSİTESİ ♦ ELEKTRONİK & HABERLEŞME MÜHENDİSLİĞİ A crucial metatheoretical constraint is to insist upon understanding the behavioral data – which comes to us as static numbers or curves on a page – as the emergent properties of a dynamical process which is taking place moment-by-moment in an individual mind. One also needs to respect the fact that our minds can adapt on their own to changing environmental conditions without being told that these conditions have changed. One thus needs to frontally attack the problem of how an intelligent being can autonomously adapt to a changing world. Knowing how to do this, as with many other theoretical endeavors in science, is presently an art form. There are no known algorithms with which to point the way. Whenever we have attempted this task in the past, we have resisted every temptation to use homunculi, or else the crucial constraint on autonomous adaptation would be violated. The result has regularly been the discovery of new organizational principles and mechanisms, which we have then realized as a minimal model operating according to only locally defined laws that are capable of operating on their own in real time. The remarkable fact is that, when such a behaviorally-derived model has been written down, it has always been interpretable as a neural network. These neural networks have always included known brain mechanisms. The functional interpretation of these mechanisms has, however, often been novel because of the light thrown upon them by the behavioral analysis. The networks have also typically predicted the existence of unknown neural mechanisms, and many of these predictions have been supported by subsequent neurophysiological, anatomical, and even biochemical experiments over the years. Stephen Grossberg 11
İSTANBUL TEKNİK ÜNİVERSİTESİ ♦ ELEKTRONİK & HABERLEŞME MÜHENDİSLİĞİ Grossberg ‘e göre: • Algılama ve Bilişe İlişkin Temel Problem: – İnsanlar içinde bulundukları ortamın değişmez özelliklerini nasıl keşfediyor, öğreniyor ve tanıyor ? – Yaşam boyunca sürekli öğrenmeyi nasıl başarıyoruz ?
İSTANBUL TEKNİK ÜNİVERSİTESİ ♦ ELEKTRONİK & HABERLEŞME MÜHENDİSLİĞİ Yöntem Psikolojik postülalar Bu postülaları gerçekleyen minimum ağ yapısı bulunur Gerçeklenen ağın psikolojik ve nöral yetenekleri test edilir Daha ayrıntılı postülalar bulunur Yapılamayanların bulunması, gereken yeni psikolojik temeli gösterecektir
İSTANBUL TEKNİK ÜNİVERSİTESİ ♦ ELEKTRONİK & HABERLEŞME MÜHENDİSLİĞİ • Adaptif Rezonans Teorisi (ART) – Klasik şartlanma çalışmalarına dayanır – Sağlam matematiksel altyapı – Gerçek zamanda gerçek dünya verileri ile çalışma yeteneği – Temel düşünce birçok olayı açıklamak için genişletilerek yeni yapılar önerilmiştir
İSTANBUL TEKNİK ÜNİVERSİTESİ ♦ ELEKTRONİK & HABERLEŞME MÜHENDİSLİĞİ ART nasıl çalışıyor? Dikkat Altsistemi F 2 Kısa Süreli Bellek Yönlendirme Altsistemi Uzun Süreli Bellek Kontrol Birimi F 1 Kısa Süreli Bellek Giriş Mete Balcı, 2005 -2007 Nevroz Aslan, Bitirme Ödevi, 2003 Kontrol Birimi
İSTANBUL TEKNİK ÜNİVERSİTESİ ♦ ELEKTRONİK & HABERLEŞME MÜHENDİSLİĞİ Tüm bunlar nasıl yapılıyor? Mete Balcı, 2005 -2007 Nevroz Aslan, Bitirme Ödevi, 2003 I
İSTANBUL TEKNİK ÜNİVERSİTESİ ♦ ELEKTRONİK & HABERLEŞME MÜHENDİSLİĞİ • Bilişsel Bilim – Neokorteks Hippokampüs – LGN (Lateral Geniculate Nucleus) Görsel Korteks • Mühendislik – Örüntü Sınıflandırma
İSTANBUL TEKNİK ÜNİVERSİTESİ ♦ ELEKTRONİK & HABERLEŞME MÜHENDİSLİĞİ ART ile önerilen yapılar ne kadar gerçeklenebilir? Koch, K. & Crick, F. , Some Thougts on Consciousness and Neuroscience. n n n Bilinç için; Dikkat Kısa Süreli Bellek Dikkat Alt Sistemi Yönlendirme Alt Sistemi Kısa Süreli Bellek Uzun Süreli Bellek
İSTANBUL TEKNİK ÜNİVERSİTESİ ♦ ELEKTRONİK & HABERLEŞME MÜHENDİSLİĞİ • Bilincin tüm farklı yönleri temel bir veya birkaç mekanizma ile oluşur. • Aynı ART mekanizması çeşitli duyusal ve bilişsel devrelerde bulunmaktadır. • Farkında olmak için çok seviyeli, açık ve sembolik yorum inşa edilmelidir. • Niyet, dikkat ve bilinç için yokuş yukarı ve yokuş aşağı yapıların etkileşimi gereklidir.
İSTANBUL TEKNİK ÜNİVERSİTESİ ♦ ELEKTRONİK & HABERLEŞME MÜHENDİSLİĞİ • Kısa süreli bellek dikkat etmezsek ardıl uyarı ile maskelenebilir. • Dikkat altsisteminde rezonans durumunda kısa süreli bellek uzun süreli belleğe aktarılır. • Temsil açık olmalı – Görüntüyü temsil etmek için küçük bir grup nöron kaba bir kod oluşturmalı – Nesne/olay temsili, çok çeşitli yönlerinin temsillerini içerecek ve farklı seviyelerde dağılmış düzende bulunacak – Bağlaşma problemi • Dikkat alt sistemi F(1) F(2) bloğu
İSTANBUL TEKNİK ÜNİVERSİTESİ ♦ ELEKTRONİK & HABERLEŞME MÜHENDİSLİĞİ • Dikkat – Ödevden bağımsız, uyaran ile tetiklenen, yokuş yukarı – Beynin planlayıcı bölümleri tarafından oluşturulan, yokuş aşağı • Dikkat Altsistemi – F 1 : Yokuş yukarı – F 2 : Yokuş aşağı
İSTANBUL TEKNİK ÜNİVERSİTESİ ♦ ELEKTRONİK & HABERLEŞME MÜHENDİSLİĞİ Knight, T. K. & Grabowecky, M. , Prefrontal Cortex, Time, and Consciousness. Bilinç içsel ve dış uyaranlar arasında hızlıca geçişe dayanmaktadır; – İstenmeyen uyaranlar bastırılamazsa > dağınıklık – Yeni uyaranlar farkedilemiyorsa > ısrar – Kararlılık <> Esneklik Bilişsel işlemler Simulasyon; gerçek dünyanın içse gösterimlerini oluşturma Gerçekliğin sınanması; içsel gösterimler ile gerçek dünyanın izlenmesi F 2 : Gösterimlerin oluşturulması F 1 : Gösterimlerin sınanması
- Slides: 22