Documente Academic
Documente Profesional
Documente Cultură
=
=
w
1
w
j
w
n
Funcii de activare
(calcul semnal de ieire)
Funcie de agregare a
intrrilor
Calcul neuronal si evolutiv - Curs 1 17
Structura unei reele neuronale
Structura unei reele neuronale
artificiale:
- Arhitectura
- Funcionare
- Antrenare: determinarea
parametrilor ajustabili
2 , 1 ,
1
0
0
0
1 2
N i x w f w f y
N
k
N
j
j kj ik i
=
|
|
.
|
\
|
|
|
.
|
\
|
=
= =
Reea feedforward cu un nivel ascuns
Calcul neuronal si evolutiv - Curs 1 18
Structura unei reele neuronale
Tipuri de reele neuronale:
Reea Hopfield
Reea celulara
Reea Kohonen
Calcul neuronal si evolutiv - Curs 1 19
Antrenarea reelelor neuronale
Antrenare (nvare) = extragerea modelului corespunztor
problemei pornind de la exemple
= determinarea parametrilor reelei (ponderile asociate
conexiunilor)
Tipuri de nvare:
Supervizat (se cunosc att datele de intrare ct i rspunsurile
corecte)
Nesupervizat (se cunosc doar datele de intrare)
De tip recompens / penalizare (se tie doar dac rspunsul
este corect sau nu)
Calcul neuronal si evolutiv - Curs 1 20
Aplicaii ale calculului neuronal
Clasificare i recunoatere
Clasificarea supervizat i nesupervizat a datelor
Recunoaterea caracterelor / imaginilor / vorbirii
Aproximare i estimare
Predicie n serii temporale
Modelare i control
Modelarea unor sisteme neliniare
Optimizare
Probleme de rutare
Probleme de planificare
Prelucrarea i analiza semnalelor
Filtrare adaptiv
Calcul neuronal si evolutiv - Curs 1 21
Calcul evolutiv - specific
Principiile calculului evolutiv
Structura unui algoritm evolutiv
Clase de algoritmi evolutivi
Aplicaii ale calculului evolutiv
Calcul neuronal si evolutiv - Curs 1 22
Principiile calculului evolutiv
Este inspirat de procesele de evoluie din natur bazate pe
principiile ereditii i a supravieuirii celui mai bun individ (cel
care s-a adaptat cel mai bine mediului)
Se bazeaz pe determinarea soluiei unei probleme prin
explorarea spaiului soluiilor poteniale folosind o populaie de
cutatori (ageni sau indivizi)
Elementele populaiei sunt codificate n funcie de specificul
problemei (iruri de biti, vectori de valori reale, arbori etc.)
Calcul neuronal si evolutiv - Curs 1 23
Principiile calculului evolutiv
Evolutia in natura
Mediu
Individ
Grad de adaptare la
mediu
Rezolvarea
problemelor
Problema
Soluie candidat
Calitate solutie
Analogia dintre procesele de evolutie din natura i
rezolvarea problemelor
Calcul neuronal si evolutiv - Curs 1 24
Structura unui algoritm evolutiv
Initializare
populatie
Evaluare
Recombinare,
mutatie
Selectie
Conditie
de oprire
solutie
Algoritm evolutiv =
proces iterativ constnd
n aplicarea succesiva a
unor operatori
- recombinare
- mutaie
- selecie
asupra unei populaii
iniializate aleator
Calcul neuronal si evolutiv - Curs 1 25
Clase de algoritmi
Algoritmi genetici:
Codificare binar a informaiei
Incruciarea (recombinarea) este operatorul principal
Mutaia este operator secundar
Adecvate pentru probleme de optimizare combinatorial
Strategii evolutive:
Codificare real a informaiei
Mutaia este operatorul principal
Incruciarea este operator secundar
Adecvate pentru rezolvarea de probleme de optimizare n
domenii continue
Calcul neuronal si evolutiv - Curs 1 26
Clase de algoritmi
Programare genetic:
Elementele populaiei sunt structuri (arbori, expresii,
programe etc)
Permit generarea unor structuri de calcul prin procese de
evoluie
Programare evolutiv:
Codificare real a informaiei
Mutaia este singurul operator
Utilizat n rezolvarea problemelor de optimizare continu
Tendina curent: hibridizarea diferitelor variante
Calcul neuronal si evolutiv - Curs 1 27
Tipuri de probleme
Optimizare cu i fr restricii
functii nedifereniabile, discontinue sau a cror evaluare se
bazeaz pe simulari
apar frecvent n proiectarea sistemelor din inginerie, n rezolvarea
problemelor de planificare etc
Optimizare multimodal
Pentru funcii cu mai multe optime globale sau locale
Apar n analiza datelor
Optimizare multicriterial
Exist mai multe criterii de optimi care sunt conflictuale
Apar in multe domenii aplicative
Optimizare n medii dinamice sau nedeterministe
Criteriul de optim variaz n timp sau este influenat de factori
aleatori
Calcul neuronal si evolutiv - Curs 1 28
Domenii de aplicabilitate
Probleme de planificare a activitilor (generarea automat a orarelor
sau planificarea sarcinilor).
Programare automat (generarea unor programe care sau structuri
computationale cum sunt automatele celulare si reelele de sortare).
Probleme de predicie (evoluia unui activ financiar sau a cursului
valutar).
Prelucrarea imaginilor (proiectarea filtrelor pentru imagini i analiza
imaginilor).
Proiectarea reelelor neuronale (stabilirea arhitecturii si/sau a
ponderilor).
Probleme de identificare a unor structuri (bioinformatic identificarea
structurii proteinelor)
Simularea unor activiti creative (generare de imagini, muzica etc.)
Calcul neuronal si evolutiv - Curs 1 29
Tehnici nrudite
Modele inspirate de inteligenta mulimilor
PSO Particle Swarm Optimization
Creatori: Eberhart, Kennedy -1995
http://www.swarmintelligence.org/
Sunt inspirate de comportamentul stolurilor de psri, a
bancurilor de peti sau a roiurilor de albine
In procesul de cautare a solutiei fiecare individ este ghidat
de:
Experiena colectiv
Experiena individual
Aplicaii: probleme de optimizare n spaii continue
Calcul neuronal si evolutiv - Curs 1 30
Tehnici nrudite
Modelul coloniilor de furnici
ACO Ant Colony Optimization
[http://iridia.ulb.ac.be/~mdorigo/ACO/ACO.html]
AS Ant Systems
Creator: Marco Dorigo - 1992
Sunt inspirate de comportamentul furnicilor n cutarea hranei i
organizarea cuibului
Este esenial conceptul de feromon (substan chimic care permite
comunicarea ntre furnici)
Aplicaii:
- Optimizare (probleme de rutare)
- Analiza datelor (grupare)
- Clasificarea imaginilor
Calcul neuronal si evolutiv - Curs 1 31
Tehnici nrudite
Modelul sistemului imunitar
AIS Artificial Immune Systems
[http://www.dca.fee.unicamp.br/~lnunes/immune.html]
Creator: Leandro Castro - 1999
este inspirat de abilitatea sistemului imunitar biologic de a
recunoate agentii patogeni i de a reaciona la orice
atac
Aplicaii:
- Sisteme de detecie a intrusilor
- Analiza datelor (grupare)
Calcul neuronal si evolutiv - Curs 1 32
Tehnici nrudite
Calcul ADN
Primul experiment: Adleman (1994)
problema comis voiajorului pentru 7 orase
Stare curent:
Calculator de scar molecular bazat pe
principiile biologiei computaionale (2010)
Algoritmi inspirai de transformrile
structurilor ADN (tiere, clonare, filtrare)
Calculator ADN = colecie de secvente ADN
special selectate a cror combinare (prin
transformari biochimice) conduce la
rezultatul problemei
Structura de grosimea
a doua molecule genereaza
diferite pattern-uri
Calcul neuronal si evolutiv - Curs 1 33
Tehnici nrudite
Membrane Computing (P-systems)
[http://ppage.psystems.eu]
Primul model: P-sistem propus Gh. Paun (1998)
P-sistem = model abstract de calcul inspirat de structura
compartimentat a celulelor vii i de modul n care se
desfoar procesele chimice in cadrul acestora.
P-sistemele prelucreaza multiseturi de obiecte simbolice
plasate intr-o structura ierarhica de membrane
Exista multe rezultate teoretice referitoare la puterea de
calcul a sistemelor membranare ns mai puine aplicaii
(domeniile de aplicabilitate includ biologia, lingvistica,
management)
Calcul neuronal si evolutiv - Curs 1 34
Tehnici nrudite
Artificial Bee Colony (Karaboga, 2005)
http://mf.erciyes.edu.tr/abc/
Inspirate de comportamentul albinelor n cutarea
polenului
Biogeography Based Optimization (BBO Algorithms) - D.
Simon, 2008 http://academic.csuohio.edu/simond/bbo/
- Inspirate de procesele de migrare a speciilor
Fireflies Algorithm (X.S. Yang, 2008)
Inspirate de comportamentul licuricilor
Cuckoo Search (X.S. Yang & S. Deb, 2009)
Inspirate de comportamentul cucilor n utilizarea
cuiburilor altor specii
Bat Algorithm (X.S. Yang & A.H Gandomi, 2010)
Inspirate de abilitatea liliecilor de a se orienta
Calcul neuronal si evolutiv - Curs 1 35
Bibliografie
A.Engelbrecht: Computational Intelligence. An Introduction, John
Wiley and Sons, 2007
L. Rutkowski: Computational Intelligence: Methods and
Techniques, Springer, 2008
A.Konar: Computational Intelligence: |Principles, Techniques and
Applications, Springer, 2005
Z. Michalewicz, D. Fogel: How to Solve It. Modern Heuristics.
Springer, 1999
Calcul neuronal si evolutiv - Curs 1 36
Structura curs
Reele neuronale artificiale
probleme de asociere (aproximare, clasificare)
probleme de optimizare
Algoritmi aleatori de optimizare
Simulated annealing
Calcul evolutiv
Algoritmi genetici
Strategii evolutive
Programare evolutiv
Programare genetic
Modele paralele i distribuite in calculul evolutiv
Algoritmi evolutivi pentru optimizare multi-criteriala
Proiectarea evolutiv a reelelor neuronale
Tehnici nrudite: sisteme de particule, modelul coloniilor de furnici,
sisteme imunitare artificiale, algoritmi bazati pe estimarea distributiei in
starilor in spatiul solutiilor, algoritmi cuantici
Calcul neuronal si evolutiv - Curs 1 37
Structura laborator
Lab 1: Probleme de clasificare (pattern recognition) reele
neuronale feedforward
Lab 2: Probleme de aproximare si predictie reele neuronale
feedforward i recurente
Lab 3: Probleme de optimizare combinatorial - SA, GA
Lab 4: Probleme de optimizare n domenii continue - ES
Lab 5: Design evolutiv - GP
Lab 6: Probleme de optimizare multicriterial - MOEA
Lab 7: Aplicaii ale tehnicilor nrudite (ACO, PSO, AIS)
Medii de experimentare:
MATLAB (NN Toolbox, GA Toolbox)
Weka
Calcul neuronal si evolutiv - Curs 1 38
Evaluare
Materiale pentru curs: http://www.info.uvt.ro/~dzaharie/cne2013
Mod de evaluare:
Proiect final: 60-80%
Test scris: 20%
Teme laborator: 20%