Upload
goran-milovanovic
View
271
Download
4
Embed Size (px)
DESCRIPTION
Učenje i viši kognitivni procesi 8. Simboličke funkcije, II Deo: Distribuirane reprezentacije, emergentizam i dinamički sistemi
Citation preview
UČENJE I VIŠI KOGNITIVNI PROCESI Prolećni semestar 2013. Predavač: Goran S. Milovanović
Predavanje 9 – vežbe SIMBOLIČKE FUNKCIJE – Deo IIb: Distribuirane reprezentacije, emergentizam i dinamički sistemi
Učenje i viš.kog.procesi, Proleće 2013: Mišljenje, Deo II – Predavanje 9 2
KONEKCIONISTIČKI POKRET PDP: Paralelno distribuirani procesi
Rumelhart, D.E., J.L. McClelland and the PDP Research Group (1986). Parallel Distributed Processing: Explorations in the Microstructure of Cognition.
Volume 1: Foundations, Cambridge, MA: MIT Press Volume 2: Psychological and Biological Models, Cambridge, MA: MIT Press
Učenje i viš.kog.procesi, Proleće 2013: Mišljenje, Deo II – Predavanje 9 3
KONEKCIONIZAM Višeslojne neuronske mreže sa propagacijom signala unapred (Feedforward Multilayer Perceptron)
1 0 Input
Ulazne jedinice
w = +1 w = +1
.5 Izlazna jedinica
i1 i2 i3 i4 i5 i6 i7
O
w1 w2 w3 w4 w5 w6 w7
Implementacija logičkog ILI (logical OR)
Ideja: klasifikacija složajeva sa inputa
1 0 Input
Ulazne jedinice
w = +1 w = +1
0.5 Izlazna jedinica
1.5
w = +1 w = +1
w = -2
Skrivena jedinica
Najjednostavniji perceptron sa skrivenim slojem: implementacija logičkog ekskluzivno ILI (logical XOR)
NEURONSKE MREŽE SA JEDNIM SLOJEM JEDINICA UČE SAMO LINEARNO SEPARABILNE KATEGORIJE.
Učenje i viš.kog.procesi, Proleće 2013: Mišljenje, Deo II – Predavanje 9 4
KONEKCIONIZAM Višeslojne neuronske mreže sa propagacijom signala unapred (Feedforward Multilayer Perceptron)
krila
krzno
perje
trči
roni
leti
doji
leže jaja
reži
SISAR
PTICA
RIBA
GMIZAVAC
Greška = Predikcija mreže – Željena
vrednost
Povratna propagacija signala greške kroz mrežu podešavanje težine veza
Učenje i viš.kog.procesi, Proleće 2013: Mišljenje, Deo II – Predavanje 9 5
KONEKCIONIZAM Učenje algoritmom povratne propagacije signala greške (Backpropagation Learning Algorithm)
• Algoritam povratne propagacije signala za učenje u višeslojnim perceptronima otkriven je, po svemu sudeći, više puta, od strane istraživača koji su radili nezavisno jedni od drugih, tokom istorije psihologije druge polovine XX veka.
• „Kanonička forma“ je ona koju daju konekcionisti okupljeni oko PDP grupe 80-ih godina.
• U suštini, čuveni back-prop algoritam je generalizacija Vidrou-How (tj. R-W) algoritma za učenje jednoslojnih neuronskih mreža. „Kvaka“ je u načinu na koji se izračunava korekcija za težine veza jedinica u skrivenim slojevima + par tehničkih detalja.
• Back-prop uči nelinarno separabilne kategorije, naravno.
• Back-prop ima svojih ograničenja, i ona nisu trivijalna, ali... back-prop će sa lakoćom slomiti ogromnu većinu problema učenja koje smo uopšte razmratrali. J. McClleland D. Rummelhart
Učenje i viš.kog.procesi, Proleće 2013: Mišljenje, Deo II – Predavanje 9 6
KONEKCIONIZAM Učenje algoritmom povratne propagacije signala greške: uloga skrivenog sloja jedinica
s1 s2 s3 s4
C1 C2
• Pretpostavimo da je tipičan C1 onaj koji ima visoko s1 i visoko s2, a nisko s3 i nisko s4.
• Pretpostavimo da je tipičan C2 ona koji ima visoko s3 i visoko s4, a nisko s1 i nisko s2.
• Pretpostavimo da postoji član C1 koji ima visoko s1 i visoko s3, a nisko s2 a nisko s4. Izuzetak, zar ne?
+ + -
-
+ -
Uvođenje jedinica u skrivenom sloju obezbeđuje mogućnost kodiranja „ekscentričnih“ inputa, ako i kada ih ima – tako je moguće kodirati strukture nelinearno separabilnih problema kategorizacije.
Učenje i viš.kog.procesi, Proleće 2013: Mišljenje, Deo II – Predavanje 9 7
KONEKCIONIZAM Teorija distribuiranih reprezentacija
C1 C2
+ + -
-
+ -
LOKALIZACIJA INFORMACIJA U KOGNITIVNIM REPREZENTACIJAMA Propozicija: Golub je ptica. Propozicija: Njujork je grad. - Gde tačno se nalazi informacija o tome da je golub ptica, a Njujork grad? Odgovor: nigde tačno, ta informacija nije lokalizovana. Konekcionizam je teorija distribuiranih reprezentacija. Sve informacije u neuronskoj mreži su uskladištene u formi strukture intenziteta asocijativnih veza. Sve ostalo je interakcija aktivacije na inputu i te strukture intenziteta veza.
Učenje i viš.kog.procesi, Proleće 2013: Mišljenje, Deo II – Predavanje 9 8
RODŽERS I MEK KLILEND, 2004. Konekcionistička teorija semantičkog znanja
Učenje i viš.kog.procesi, Proleće 2013: Mišljenje, Deo II – Predavanje 9 9
RODŽERS I MEK KLILEND, 2004. Konekcionistička teorija semantičkog znanja
KONCEPTI (input)
Kanarinac Crvendać
Orah Bor
Ljubičica Ruža
Losos Som
RELACIJE
ISA „ima“
„može da“ „je “
REPREZENTACIJE KONCEPATA SKRIVENI
SLOJ
ATRIBUTI (autput)
Riba Ptica Cvet Drvo Životinja Biljka Živo biće
Visoko Lepo Brzo Mirišljavo...
Raste Leti Trći Peva...
Kljun Krila Krzno Lišće Peraja...
= sve povezano sa svim
Učenje i viš.kog.procesi, Proleće 2013: Mišljenje, Deo II – Predavanje 9 10
KONEKCIONIZAM: DINAMIČKA EVOLUCIJA DISTRIBUIRANIH REPREZENTACIJA Reprezentacioni sistem evoluira tokom procesa minimizacije greške predikcije
t = 1 faza t = 2 faza t = 3 faza
Dinamička evolucija sličnosti između reprezentacija koncepata odgovara dobro poznatim empirijskim nalazima o razvoju sistema koncepata i kategorija kod ljudi.
Učenje i viš.kog.procesi, Proleće 2013: Mišljenje, Deo II – Predavanje 9 11
EMERGENTIZAM Emergentističko naučno objašnjenje kognitivnih funkcija u konekcionizmu
Video-demonstracija Konvejeve „Game of Life“: http://www.youtube.com/watch?v=OEbCsKJKXaE
Učenje i viš.kog.procesi, Proleće 2013: Mišljenje, Deo II – Predavanje 9 12
EMERGENTIZAM Emergentističko naučno objašnjenje kognitivnih funkcija u konekcionizmu
Sve je u interakcijama. Definiši pravila igre i pusti sistem da evoluira spontano poštujući definisana pravila. Tokom dinamičke evolucije sistema, primetićeš javljanje i lokalnu održivost kvalitativno različitih struktura. Te strukture su emergentne strukture. One nigde nisu planirane. One nikad nisu pre-programirane. Zavera ne postoji.
Učenje i viš.kog.procesi, Proleće 2013: Mišljenje, Deo II – Predavanje 9 13
Donald Heb (1904-1985)
3. Sekvenciranje faza: mišljenje (kognitivni procesi) jeste sekvencijalna aktivacija neuralnih ansambla.
t = 1 faza t = 2 faza t = 3 faza