Ce sunt retelele neuronale ?

O retea neuronala este o reprezentare artificiala a creierului uman, reprezentare ce

incearca sa simuleze procesul creierului de a invata.
Termenul artificial se refera la faptul ca retelele neuronale sunt implementate in
programe pe calculator , programe care sunt capabile sa faca fata numarului mare de
calcule necesare in timpul procesului de invatare.
Pentru a vedea unde isi au originea retelele neuronale ne putem uita la modelul
biologic : creierul uman.
Modelul biologic
Creierul uman este alcatuitt dintr-un numar mare de celule neuronale care
proceseaza informatia ( mai mult de un miliard ). Fiecare celula lucreaza ca un simplu
procesor si doar masiva interactiune dintre toate celulele si procesarea lor paralela fac
posibile perforantele creierului.
ceste celule neuronale se numesc neuroni. !ai "os se poate vedea o
reprezentare simpla a acestei celule.
#tructura unui neuron din creierul uman
$upa cum indica figura, neuronul este alcatuit din nucleu, dendrite pentru
informatia care vine si a%on prevazut cu dendrite pentru informatia transmisa mai departe
&
la neuronii conectati.'nformatia este transportata intre neuroni sub forma de stimul
electrici de-a lungul dendritelor.
'nformatia care a"unge la dendritele neuronului este colectata, adunata si
transmisa de-a lungul a%onului la terminatiile dendritice de la capatul sau, unde
informatia este transmisa celorlalti neuroni daca stimulul ( energetic ) a depasit un anumit
prag. 'n acest caz se spune ca neuronul a fost activat.
$aca informatia care a a"uns la neuron a fost prea putina, sub prag , ea nu va fi
propagata mai departe. 'n acest caz se spune ca neuronul a fost in(ibat.
Cone%iunile dintre neuroni sunt adaptive, ceea ce inseamna ca structura
cone%iunilor se sc(imba dinamic.#e stie ca o mare parte din capacitatea de invatare a
creierului uman se bazeaza pe adaptare.
Componentele retelelor neuronale
)%ista multe tipuri diferite de retele neuronale dar toate au aproape aceleasi
componente.
$aca vrem sa simulam functionarea creierului uman este evident ca trebuie sa
aducem simplificari drastice modelului biologic.
'n primul rand este aproape imposibil sa simulam paralelismul creierului uman.
C(iar daca e%ista masini multiprocesor tot nu putem simula paralelismul complet al
creierului. O alta limitare ar fi faptul ca nu putem avea stimuli electrici in programe.
*a fel ca un creier uman o retea neuronala este alcatuita din neuroni si din
cone%iunile dintre ei. 'n retelele neuronale aceste cone%iuni poarta termenul de ponderi
( +eig(ts ). 'nformatia electrica este simulata cu valori specifice stocate in aceste ponderi.
Prin simpla sc(imbare a acestori ponderi se poate simula sc(imbarea structurii de
conectare a retelei.
Figura urmatoare ne arata o sc(ema de neuron generic de reta neuronala.
,
#tructura unui neuron dintr-o retea neurala artificiala
$upa cum se poate observa un neuron artificial seamana cu un neuron natural. #i
de asemenea incearca sa simuleze functionarea sa.
'nformatia de intrare este trimisa neuronului pe intrarile sale caracterizate de
anumite ponderi. ceasta intrare, input, este procesat de o functie de propagare care
sumeaza toate intrarile ponderat.
-aloarea rezultata este comparata cu o valoare de prag de catre functia de
activare. $aca valoarea depaseste valoare de prag se activeaza neuronul altfel se
in(ibeaza.
$aca este activat, neuronul trimite un rezultat, output, spre iesirile sale ponderate,
rezultat care va devenii o intrare pentru neuronii conectati la neuronul respectiv, si astfel
procesul de transmitere a informatiei intre neuronii conectati se continua.
'ntr-o retea neuronala, neuronii sunt grupati pe la.ere, straturi. $e obicei fiecare
neuron dintr-un la.er este conectat la toti neuronii din la.erul anterior si din la.erul care
urmeaza( e%ceptie facand la.erul de intrare si iesire).
'n functie de algoritmul folosit la antrenarea retelei neurale este posibil ca
informatia sa fie propagata si invers prin retea.
'n sc(ema de mai "os se poate observa o retea compusa din trei la.ere din care
unul ascuns:
/
0etea neuronala cu trei la.ere
$e remarcat ca structura de mai sus nu reprezinta o structura generala de retea
neuronala. #e poate intampla ca unele 01 sa nu aiba la.ere ascunse sau ca neuronii dintr-
un la.er sa fie aran"ati intr-o matrice.
Ce este comun insa tuturor 01 este prezenta a cel putin unei matrici de ponderi,
adica a unei matrici de cone%iuni.

Unde pot da rezultate si unde pot da gres
01 sunt construite pentru a rezolva probleme ce nu pot fi rezolvate prin folosirea
unor algoritmi conventionali.
stfel de probleme sunt cele de optimizare sau clasificare. stfel 01 sunt folosite
in domenii ca :
clasificare paternuri
2
detectare regularitati
procesare imagini
analiza vocala
probleme de optimizare
control si g(idare roboti
procesare de intrari ine%acte sau incomplete
3ualit. assurance ( asigurarea calitatii )
previziunea indicilor de piata bursiera
simulari
)%ista multe tipuri diferite de 01 fiecare avand proprietati speciale, asa incat
fiecare domeniu de probleme are un tip de 01 adecvat.
'n general se poate spune ca 01 sunt sisteme foarte fle%ibile in rezolvarea
problemelor.
O proprietate trebuie mentionata e%plicit : toleranta la erori a 01. ceasta
inseamna ca daca o 01 a fost antrenata intr-o problema specifica, va fi posibil ca ea sa
raspunda corect c(iar daca problema pe care trebuie sa o rezolve nu este e%act aceeasi pe
care care de"a a invatat sa o rezolve. $e e%emplu, sa presupunem ca o 01 a fost antrenata
sa recunoasca vocea umana.
'n timpul procesului de antrenare, o anumita persoana trebuie sa pronunte cuvinte,
care sunt folosite in antrenare de 01. poi, daca este antrenata corespunzator, 01 va fii
capabila sa recunoasca aceleasi cuvinte spuse de alta persoana.
$esi 01 sunt capabile sa gaseasca solutii pentru probleme dificile ca cele de mai
sus, rezultatele nu pot fi garantate ca fiind unele perfecte sau cel putin corecte. #unt doar
apro%imari a solutiei dorite si intotdeauna este prezenta si o anumita eroare.
$ar e%ista si unele probleme care nu se pot rezolva corect cu a"utorul 01. 4n e%emplu
de recunoastere de paternuri ar fi urmatorul :
$aca intalnesti o persoana pe care ai vazut-o mai demultm de obicei o vei
recunoaste a doua oara, c(iar daca persoana nu mai arata la fel ca prima data.
5
$aca antrenezi insa o 01 cu fotografia acelei persoane acea imagine va fi sigur
recunoscuta de 01. $ar daca se adauga mult 6zgomot7 la imagine si se roteste cu cateva
grade, recunoasterea efectuata de 01 va esua cel mai probabil.
8ineinteles, nimeni nu ar trebui sa foloseaca o 01 intr-un algoritm de sortare,
pentru ca e%ista algoritmi care ar rezolva aceasta problema mult mai bine si mai repede,
dar in domenii de probleme ca cele mentionate mai sus, 01 sunt intotdeauna o buna
alternativa la algoritmii e%istenti si merita incercata folosirea lor.
9