Professional Documents
Culture Documents
CRAIOVA
2003
CUPRINS
C U P R I N S .......................................................................................................1
Introducere............................................................................................................3
Structura tezei .......................................................................................................4
Capitolul 1 Tipuri i modele dinamice de reele neuronale..............................6
1.1. Caracteristici de baz ale reelelor neuronale ...........................................6
1.1.1. Neuronul artificial ..............................................................................6
1.1.2. Funcii de activare ..............................................................................7
1.1.3 Topologii .............................................................................................8
1.1.4. Tipuri de reele neuronale ..................................................................9
1.1.5. Metode de nvare .............................................................................9
1.2. Modele de neuroni artificiali...................................................................10
1.2.1. Modele de neuroni artificiali fr reacie.........................................10
1.2.2. Modele de neuroni artificiali cu reacie ...........................................10
1.3. Reele neuronale tip Hopfield .................................................................12
1.4. Memorii asociative bidirecionale...........................................................13
1.5. Reele neuronale competitive..................................................................14
1.6. Reele neuronale celulare ........................................................................15
Capitolul 2 - Elemente de teoria stabilitii n sens Liapunov i sisteme cu mai
multe stri de echilibru .......................................................................................16
2.1. Stabilitatea n sens Liapunov pentru sisteme autonome.........................16
2.2. Metoda funciei Liapunov .......................................................................16
2.3. Proprietile sistemelor cu mai multe echilibre ......................................18
Capitolul 3 - Funcii Liapunov pentru reele neuronale ....................................21
3.1. Funcia Hopfield......................................................................................21
3.2. Metoda funciei Liapunov pentru reele neuronale privite ca sisteme cu
mai multe stri de echilibru............................................................................21
3.3. Funcia Liapunov n studiul memoriilor asociative bidirecionale ........24
3.4. Funcia Liapunov pentru reele neuronale competitive Cohen Grossberg........................................................................................................25
3.5. Funcia Liapunov pentru reele neuronale celulare ................................26
Capitolul 4 - Prezena ntrzierii n reele neuronale i fenomene induse de
aceasta.................................................................................................................29
4.1. Funcii Liapunov i metode intrare/ieire (tip Popov) pentru reele
neuronale cu ntrziere................................................................................... 29
4.1.1.
Comportament aproape liniar pentru reele neuronale de tip
Hopfield afectate de ntrzieri ................................................................... 29
4.1.2.
Criterii de stabilitate pentru reele neuronale celulare cu
ntrzieri 33
4.1.3.
Rezultate de stabilitate pentru reele neuronale competitive cu
ntrzieri 36
4.2. Metode de comparaie pentru studiul reelelor neuronale cu ntrzieri. 37
4.2.1. Comportament de tip gradient pentru reele neuronale tip Hopfield
cu ntrzieri ................................................................................................ 37
Capitolul 5 Concluzii generale ....................................................................... 42
Bibliografie (extras)........................................................................................... 47
Introducere
O direcie important n domeniul reelelor neuronale artificiale
(RNA) o constituie abordarea acestora ca sisteme dinamice i studiul stabilitii
lor, sau mai general, studiul comportamentului lor calitativ. Importana acestei
abordri este subliniat n diferite cri de referin n domeniul reelelor
neuronale artificiale [Kos92, Hay94, DeW95] unde se arat c o RNA
funcioneaz bine dac evoluia ei tinde ctre echilibrele semnificative pentru
aplicaia pentru care a fost proiectat; aceast cerin implic proprietatea de
stabilitate a mulimii de echilibru a reelei neuronale. Att din modelarea
sistemelor i reelelor neuronale naturale (biologice) ct i din aplicaiile
reelelor neuronale artificiale rezult structuri care nu implic stabilitatea i
convergena de-a lungul proprietilor acestora. Rezult deci c studiul
stabilitii, a comportamentului dinamic al reelelor neuronale, este atractiv,
necesar i deosebit de important. Deoarece structurile de reele neuronale
artificiale sunt variate, studiile de stabilitate sunt de asemenea variate.
Proprietile de comportament dinamic sunt verificate pe modelul
matematic. Reelele neuronale artificiale sunt sisteme dinamice neliniare, iar
caracterul sectorial al funciilor de activare, n general funcii sigmoidale, face
posibil i adecvat utilizarea metodelor teoriei stabilitii absolute: funcia
Liapunov i inegalitatea Popov n domeniul frecvenei.
Reelele neuronale sunt sisteme cu mai multe stri de echilibru.
Aceast proprietate (existena a mai multor echilibre) garanteaz performanele
de calcul ale reelelor neuronale n rezolvarea problemelor. Vom da dou
exemple sugestive pentru susinerea ideii: 1) cazul reelelor neuronale utilizate
pentru clasificare [Nol94, Nol95], unde echilibrele sistemului reprezint
vectorii prototip care caracterizeaz diferitele clase de forme i 2) cazul
utilizrii reelelor neuronale ca optimizator, unde punctele de echilibru vor
reprezenta optimul cutat.
Teza de doctorat, cu titlul PROBLEME CALITATIVE N
DINAMICA REELELOR NEURONALE, se nscrie n aceast arie de
preocupri i i propune studiul teoretic, validat prin exemple i simulri
numerice, al comportamentului dinamic al sistemelor neuronale neliniare. Am
considerat important i deosebit de util, din punct de vedere practic, studiul
Structura tezei
y = f (net ) = f bias + wi xi = f wi xi
i =1
i =0
(1.1)
xm
xm-1
M
x1
x0 = +1
wm-1
net
w1
bias
w0
1, x 1
f ( x) = x , x < 1
(1.3)
1
,
x
f (x ) = tanh ( x) =
e x ex
e x + ex
1 e x
x
= tanh
f (x ) =
1 + ex
2
(1.4)
2x
tan 1
acestea avnd domeniul de valori intervalul (-1, 1).
- Funcia Gauss este o funcie radial neliniar (simetric fa de origine) cu
valoarea dispersiei v > 0. Funcia Gauss este utilizat n reelele neuronale
probabilistice, sau n reelele neuronale n care dispersia este predefinit
[Spe90]. n al doilea caz, funcia de activare are expresia,
f (x ) =
f ( x) = exp x 2 , > 0
(1.5)
1.1.3 Topologii
Topologia reelelor neuronale vizeaz aspecte privind numrul i
distribuia neuronilor n straturi i a straturilor n ntreaga reea, tipul
conexiunilor i modul (direcia) n care informaia parcurge neuronii reelei.
Neuronii unei reelele neuronale artificiale sunt organizai n straturi.
O reea neuronal poate avea unul sau mai multe straturi (nivele, cmpuri). n
cadrul unui nivel, neuronii sunt similari privind dou aspecte: n primul rnd,
semnalele de intrare ale nivelului au aceeai surs i n al doilea rnd, toi
neuronii nivelului au aceeai dinamic de actualizare.
Reelele neuronale pot avea dou tipuri de conexiuni: conexiuni intranivel i conexiuni inter-nivel. Conexiunile intra-nivel reprezint legturi ntre
neuronii aceluiai cmp, iar conexiunile inter-nivel se refer la conexiuni ntre
neuronii unor cmpuri diferite. Este posibil ca ntr-o reea neuronal s coexiste
cele dou tipuri de conexiuni.
Clasificarea reelelor neuronale dup sensul n care informaia
parcurge reeaua cuprinde reele neuronale feedforward i reele feedback.
nz
G ( z 1 ) =
bnz 0 .
xi (t ) = net (t kT ) , k = 0, 1, 2, ...
x1
G1
x2
G2
(1.6)
M
unde T reprezint perioada de eantionare.
xm
(1.8)
i =0
dinamic
, cu an p , bnz 0
Sistem liniar
i =0
np
ai z i
x(t)
bi z i
net(t)
net(t)
y(t)
M
Gm
y(t)
y (t ) = f Gi ( z 1 ) xi (t )
i =0
(1.7)
dinamic
def
Un exemplu de neuron cu reacie local la nivelul ieirii este modelul FrasconiGori-Soda (Fig. 1.5.) pentru care expresia ieirii este
11
m
y (t ) = f wi xi (t ) + k j y (t j )
j =1
i =1
(1.9)
x1
w2
x2
xm
wm
net(t)
y(t)
f
kM
( )
k1
kj
G1
x2
G2
M
xm
Gm
net(t)
y(t)
xki +1 = wij R j ( y kj ) + I i , i = 1, n
j =1
H(z)
j
k +1
(1.6)
= wij S i ( x ) + J j ,
i
k
j = 1, p
Funciile de activare (Si i Rj) sunt funcii prag binare sau bipolare.
Funciile de activare prag cu valori binare au urmtoarele expresii:
1,
y kj > V j
(1.7)
R j ( y kj ) = R j ( y kj1 ), y kj = V j
j
yk < V j
0,
Pragurile (Ui i Vj) i intrrile externe (Ii i Jj) se consider arbitrare,
iar matricea W a conexiunilor sinaptice constant.
O BAM este bidirecional stabil dac toate intrrile (reprezentnd
condiii iniiale pentru reea) genereaz traiectorii care converg spre echilibre.
Stabilitatea bidirecional este un echilibru dinamic: acelai semnal
1,
xki > U i
xki < U i
0,
13
echilibru bidirecional
. . .
Un punct de echilibru bidirecional stabil se poate interpreta ca o stare
rezonant.
(1.8)
x&i = ai ( xi ) bi ( xi ) cij d j ( x j ) , x = [ x1 L xn ] , i = 1, n
j =1
f ( xi ) =
1
2
(x
+ 1 xi 1 )
(1.9)
14
15
Teorema 2.1 (A. M. Liapunov) Fie sistemul (2.1) i fie V o funcie continu,
derivabil i pozitiv definit ntr-o vecintate
16
(2.1)
x 0
a originii, cu
Teorema 2.2
sa W ( x) =
lim x(t ) = c E
a) lim x(t ) = ,
t t
(2.2)
(2.3)
(2.4)
x& = Ax bk k (ck* x) h
(3.2.1)
{[
1 + Re I + 1 + (i ) Q T (i ) + T * ( i ) T (i ) 0
1
(3.2.2)
V ( z , y ) = z * Pz 12 ( y y ) * Q (C * A 1 B ) 1 ( y y ) ( f (v) f ( y )) * Q dv
y
dv i
1
1 n
=
vi +
j (v j ) vi Rij + I i , i = 1, n
dt
Ri C i
Ci 1
1
A = diag
Ci
n
1
+ 1
Ri
1 Rij
i =1
i , j =1
, matricea de
transfer devine
n
1
T ( s ) = C ( sI A) B = diag s C i + 1 / Ri + (1 / Rij )
j =1
i =1
23
3.3. Funcia
bidirecionale
Liapunov
studiul
memoriilor
asociative
xki +1 = wij R j ( y kj ) + I i , i = 1, n
j =1
(3.3.1)
j = 1, p
(3.3.2)
j =1 i =1
p
n
~
~
( I i U i ) S i ( x ki ) + S i ( xki 1 ) ( J j V j ) R j ( y kj ) + R j ( y kj1 )
Aceast funcie Liapunov de tip energie ine cont de cazul cel mai
general, al actualizrii general asincrone a strii neuronilor, chiar i n ambele
24
x& i = a i ( x i ) bi ( xi ) c ij d j ( x j ) , i = 1, n
j =1
(3.4.1)
25
unde cij
nn
1
2
(x
+ 1 xi 1 )
(3.5.2)
(3.5.4)
jN
(3.5.5)
z&i (t ) = ai z i (t ) + wii g (z i (t ) ) = p (z i (t ), t ), i = 1, m
not
qij z j (t ), t = wij g z j (t ) , i, j = 1, m ,
m
ji
qi (z (t ), t ) = qij z j (t ), t = wij g z j (t ) , i = 1, m
j =1
j i
26
(3.5.1)
(3.5.6)
j =1
j i
(3.5.7)
( )
m m
cu elementele:
27
i ci 4 (ai wii )
s ij = 1
i ci 4 wij + j c j 4 w ji
2
i= j
i j
Funciile neliniare fi, sunt funcii sigmoidale (1.4), deci sunt mrginite - cu
domeniul de valori [-1, +1], monoton cresctoare i global lipschitziene, adic
verific inegaliti de tipul (4.1.1.2).
0
f ( 1 ) f ( 2 )
L
1 2
(4.1.1.2)
29
2
x = y + z ( ) d
(4.1.1.3)
mic.
Pentru testarea rezultatelor obinute s-a considerat o reea neuronal
tip Hopfield cu doi neuroni, verificnd ipotezele teoremei
x&1 (t ) = 2 x1 (t ) 2 f 1 (x1 (t 11 ) ) 3 f 2 (x 2 (t 12 ) ) + sin(t ) + sin(t )
x& 2 (t ) = 5 x 2 (t ) f 1 (x1 (t 21 ) ) 3 f 2 (x 2 (t 22 ) ) + 2 cos(t )
(4.1.1.6)
cu stimuli periodici c2(t) i aproape periodici c1(t) - Fig. 4.1.1, Fig. 4.1.2.
Simularea a fost realizat pe dou seturi de valori pentru ntrzieri:
0,5 0,4
1 0,8
T1 =
i T2 = 1,4 1,2 , al doilea set cu valori duble fa de
0
,
7
0
,
6
1
=
1 + e 2t
e t + e t
i constantele Lipschitz Li = 1, i =1, 2.
Simulink, f (t ) = tanh(t ) =
f i ( 1 ) f i ( 2 )
Li , f i (0) = 0 , i = 1, m
1 2
(4.1.1.4)
1
2
[K (i ) + K
(i ) > 0 , > 0
(4.1.1.5)
exogen
ci (t ) M , i = 1, m , t R.
Din Fig. 4.1.3 - Fig. 4.1.6 se observ c x1(t) i x2(t) sunt aproape periodice (de
acelai tip cu semnalele exogene) i mrginite. Evoluia n timp a sistemului
neforat pentru condiii iniiale nenule [x10 x20] = [3 5] este prezentat n Fig.
4.1.7 - Fig. 4.1.8; se observ convergena exponenial a soluiei ctre
echilibrul n zero. n Fig. 4.1.9 i Fig. 4.1.10 sunt prezentate evoluiile n planul
fazelor pentru sistemul autonom, n cele dou cazuri privind ntrzierile.
4.1.2.
Fig. 4.1.5 x1 (t) n prezena stimulilor; T2
wij f (x j (t j )) + I i ,
i = 1, n
jN
(4.1.2.1)
wij g (z j (t j ) ) ,
i = 1, n
(4.1.2.2)
jN
(4.1.2.3)
i funcia de transfer
wii
H i ( j ) =
e j i
ai + j
(4.1.2.4)
(4.1.2.5)
(4.1.2.6)
(4.1.2.8)
(4.1.2.9)
i =1
Vi ( z , ) = 12 i z 2 + i 2 ( )d + g ( ) d
2
2
1
( i + 1) 1 1 wii < i < 1 ( i + 1) 1 + 1 wii
2
ai
ai ai 2
V ( z , ) = iVi ( z, ) , i > 0 , i = 1, n
cu > 0 este ndeplinit i celula izolat are un punct de echilibru care este
asimptotic stabil, dac sistemul verific una dintre condiiile:
i) wii (0, ai) i (0, 1/wii);
ii) wii (-ai, 0) i (-1/wii, +).
(4.1.2.7)
unde i > 0 i i > 0 sunt parametri care se vor alege corespunztor. Din
34
g ( 1 ) g ( 2 )
1 , g (0) = 0
1 2
( )
B = bij
n n
cu elementele
bii = i i
bij =
j ( j + 1) 2
2
1 n
w ji
4 j =1
a j ( j + 1) j
k ( k + 1) 2
1 n
wki wkj
= b ji
ak ( k + 1) k
4 j =1
4.1.3.
(4.1.3.15)
x&i (t ) = ai ( xi ) bi ( xi ) cij d j ( x j (t ij )) + J j , i = 1, n
j =1
(4.1.3.1)
(4.1.3.2)
unde = max ij ,1 i , j n .
Pentru stabilirea cadrului de lucru se fac urmtoarele ipoteze:
(H1) Pentru fiecare i = 1, n , ai sunt mrginite, pozitive, local lipschitziene i
0 < i ai (u ) i .
(H2) Pentru fiecare i = 1, n , bi i bi1 sunt local Lipschitz continue.
Funciile de activare sunt sigmoidale, deci ndeplinesc condiiile:
inegalitatea u i (u ) i u 2 , u R , i = 1, n . Dac
n
i i > i cij L j , i = 1, n
(4.1.3.14)
j =1
atunci ecuaia (4.1.3.1) are un punct de echilibru unic x*, i exist o constant
5 > 0 astfel nct orice soluie x(t) a ecuaiei (4.1.3.1) cu condiiile iniiale
(4.1.3.2) verific
36
m
1
m
dxi
= ai xi wij f j ( x j ) + I i ,
dt
1
i = 1, m .
(4.2.1.1)
m
dxi
= ai xi (t ) wij f j x j (t j ) + I i , i = 1, m
dt
1
(4.2.1.2)
c)
min (ai )
m
m
1 + Lk max wij L j a j + w jk
1
1
1
1 j
(4.2.1.3)
Fig. 4.2.4.Componentele strii pentru ntrzieri 1 = 0,3 sec., 2 = 0,1 sec., 3 = 0,2 sec.
41
Contribuii originale
42
modificarea strii lor din pasiv n activ (n sensul c orice sistem tinde
43
ai
, i condiia de
Li
44
Bibliografie (extras)
46
47
51