Amaliy mashg’ulot №8. Vlsi fpga uchun matlab yordamida sun'iy neyron tarmoqlarni loyihalash Ishning maqsadi

8.2.1 Widrow-Hoff ni o’qitish(trening) qoidasi.
Widrow-Hoffni o'rganish qoidasi delta qoidasi sifatida tanilgandir. Bu neyron tarmoqning o'rtacha kvadratik xatoligini minimallashtirishni nazarda tutadi, bu kirish signallari uchun qoyidagi formula bilan belgilanadi:
, bu erda Y_j - faollashtirish funktsiyasining chiqishi, b_j – aralashtirish(siljitish), d_j - maqsadli chiqish va E_j - bu j neyronning javobi va maqsadli javob orasidagi kvadratik xato.
Har bir j neyron uchun formuladan foydalanib og'irlik yig'indisi hisoblanadi:
Y_j=Ʃw_ijX_i.
Ekstremumni (minimumni) topish uchun E_j dan differentsial og'irlig(w) va aralashma(siljitish-b) koeffitsientlari bo'yicha olamiz:


Shunday qilib, neyronning og'irlik koeffitsientlari - wij va aralasshma- bj quyidagi formulalar yordamida intetratsion hisoblanadi:
W_ij(t)=W_ij(t-1) -α(Y_j-d_j)X_j va
b_j(t)=b_j(t-1)+α(Y_j-d_j), bu erda α-bu o'rgatish tezligi (0 <α <1), t-hozirgi, t-1 oldingi qadam.


8.2.2. Ko'p qavatli neyron tarmoq’ini (NT) o'rgatish algoritmi.
Bu erda va pastda NT qatlami k indeksi bilan belgilangan.

1. 
   α (0 < α <1)-o'rganish qadami va Em- NT kerakli o'rtacha kvadratik xatosi tanladi.
   
2. 
   NT ning w_ij^k og'irlik va siljitish bj^k koeffitsientlariga tasodifiy boshlangih qiymat beriladi.
   
3. 
   Ketma-ket javobi ma’lum orgatish berilganlari NT kirishiga uzatiladi. Bunda, har bir ma’lumot uchun quyidagi harakatlar bajariladi:
   
   1. 
      NT orqali kirishga berilgan ma’lumotlarining oldinga tarqalish bosqichi amalga oshiriladi. Barcha neyronlarining chiqish qiymati Y_j^k qatlqmba qatlam hisoblab chigiladi.
      
   2. 
      Chiqish va yashirin qatlamlardagi neyronlarning E_j xatolari hisoblab chiqiladi.
      
   3. 
      Neyron elementlarining og'irlik va siljitish koeffitsientlarining o'zgarishi neyron tarmoqning har bir qatlami uchun amalga oshiriladi.
      
4. 
   NT umumiy xatosi E hisoblanadi.
   
5. 
   Agar E> Em bo'lsa, u holda 3 -bosqichga qaytiladi, aks holda algoritmning bajarilishi tugaydi.
   

Sun'iy neyron tarmoqlarga asoslangan hisoblash tizimlari fon Neyman arxitekturasidagi mashinalarda mavjud bo'lmagan lekin inson miyasiga xos bo’lgan bir qancha avfzaliklarga ega:

• 
  o'rganish qobiliyati;
  
• 
  umumlashtirish qobiliyati;
  
• 
  assotsiativshaklda tarqoq ma'lumotlarni saqlash;
  
• 
  ekologik o'zgarishlarga moslashuvi;
  
• 
  yuqori mahsuldorligi;
  
• 
  apparatni ko’rinishida amalda xatolarga chidamliligi.
  

SNT - bu o'zaro bog'langan va o'zaro ta'sir qiluvchi oddiy protsessorlar majmuasi yaniy, sun'iy neyronlar tizimidir. Bunday protsessorlar odatda juda oddiy, ayniqsa shaxsiy kompyuterlarda ishlatiladigan protsessorlar bilan solishtirganda. Bunday tarmoqdagi har bir protsessor faqat vaqti -vaqti bilan qabul qilib turadigan va vaqti -vaqti bilan boshqa protsessorlarga yuboradigan signallar bilan shug'ullanadi. Va shunga qaramay, boshqariladigan o'zaro ta'sirga ega bo'lgan etarlicha katta tarmoqqa ulangan holda, bunday protsessorlar birgalikda ancha murakkab vazifalarni bajarishga qodir.
Umuman olganda, har qanday SNTni yaratish murakkabligi uni tashkil qiluvchi individual neyronlarni tuzilishining murakkabligiga bog'liqdir.
Ushbu amaliy ishning dolzarbligi, dasturlashtiriladigan mantiqiy juda katta integral sxemalarga(JKIS-VLSI va FPGA- field-programmable gate array) asoslangan sun'iy neyron tarmoqlarni joriy etish kontseptsiyalarining ishlab chiqilishi (ular bilan ishlash qulayligi va ularni tez dasturlash qobiliyati tufayli) bilan tasdiqlanib qo’lash jarayoni faqat tezlashmoqda.