大腦是項大自然精彩的傑作,它富於我們思考、發明及創造,也讓我們有認知、符號化及抽象化的能力,以目前的科技尚無法完全瞭解大腦的運作機制,更不用想去製造出類似功能的人工腦,不過我們倒是可以模仿大腦的基本結構去發展一種前所未有的知識,一種向大自然借來的知識。

"基因演算法""類神經網路"及"模糊理論"都是科學家從大自然借來的知識 (這跟許多中國功夫還滿像的,厲害的功夫通常都是從大自然的變化中所領悟出),這些方法可用於最佳化、預測及智慧控制上,也許是因為這些方法都是源於大自然的物競天擇,故能存留於現在的,必定都是許多類似方法中的佼佼者,所以對於解決實際問題十分的有用。許多的論文早已提出利用類神經網路於工業、商業、管理、資訊及科學領域上,而這篇文章是我將倒傳遞類神經網路運用於光學上的初步研究成果。總個來說,此方法還真是神奇,若能再搭配一最佳化方法,相信應該會更有威力吧!

 

神經元.jpg  

 

嬰兒在學走時,大腦就是在調整其神經節中的抑制或刺激,歷經一次一次的嘗試後,完成其神經鏈結;同樣的,對中風的病人來說,部份能力的消失是因為原本負責該能力的腦神經元損傷了,病人需經由不斷的復健與練習,重新訓練新的腦神徑元,才能將消失的能力重新找回。人工神經元也是一樣,藉由學習輸入訊號與對應結果輸出來調整其中的權重(Weight),當權重調整好了,Model也就訓練好了。這也印證老一輩人所說的,腦袋是越用越靈活。

神經元 vs 人工神經元.jpg  

 

將前述的人工類神經元組合起來就是一個類神經網路,它使用大量簡單相連的人工神經元來模仿生物神經網路的資訊處理系統。

 

如同我們學習騎腳踏車一樣,其中牽涉到許多的物理原理,有萬有引力、力學平衡、輪胎與地面的摩擦力、行進間的...等等,可是我們會先去建立數學模型再去騎腳踏車嗎?當然不會,每個人都是經過學習後就自然而然會騎,這就是大自然的能力,類神經網路就是具有大自然能力的知識。但同樣的,如何學、怎麼學才會快又好,這就不像數學定律一樣能簡單去定義清楚,不過這就是實際的世界,到處都充滿著Chaos。

類神經網路-優點.jpg  

類神經網路-缺點.jpg  

由於欲解決的問題不同,因此科學家提出許多的類神經網路模型,其不下數十種,而其中最常用的就是--倒導傳遞類神經網路。

 

倒傳遞神經網路.jpg  

 

倒傳遞類神經網路數學架構.jpg  

 

類神經網路就像是我們學東西的過程,要先學過後才能運用,因此它的運作流程中也分為兩部份 : 學習與回想。

倒傳遞類神經網路運作流程.jpg  

 

倒傳遞類神經網路有預測的功能,此預測不是如算命仙般能預測未來,而是它能以少數的取樣點,經過訓練後即可將因與果間的規律找出,進而建立Model,而當後續再輸入不同的因於Model後,即可獲知對應的果,此即類神經網路中所言的預測,所以取樣點的好壞也就關乎著預測結果的準確性。

倒傳遞神經網路-預測.jpg  

 

以上為針對我目前所瞭解的類神經網路做一簡單介紹,接著就找幾個Case來驗證類神經網路是否真的堪用,下面為其驗證的流程。

倒傳遞類神經網路測試流程.jpg  

Case 1、2、3皆為研究一Lens形狀變化對LED視角的關係。Case 1、2中有2個變數,分別為Lens的曲率(Curvatures)與厚度(Thickness);Case 3則有4個形狀變數a、b、c、d。在學習過程中,皆是以亂數產生十組變數與其對應的結果當成訓練Sample,當倒傳遞類神經網路完成後,再以新的變數去測試其預測結果。

Case1.jpg  

Case1-2.jpg  

Case2.jpg  

Case2-2.jpg  

Case3.jpg  

Case3-2.jpg  

Case 1與2的預測結果滿成功的!不過Case 3的預測結果則是失敗,其在訓練過程中就已發現一直無法收斂,我想這就是它的缺點之一--黑箱,我們無法得知它內部的機制,也無法得知適用於A能否適用於B,只能實際測試才能知。倒傳遞類神經網路能將費時的光學模擬轉換成簡單的預測,不得不讓我驚呼~真是太神奇了!

 

 

 

 

 

Yan ~ 生活日記 發表在 痞客邦 PIXNET 留言(0) 人氣()