Hidrológiai Közlöny 1998 (78. évfolyam)

4. szám - Fülöp István Antal–Józsa János: A neruális hálózatok világa

250 A neurális hálózatok világa Fülöp István Antal - Józsa János BME Vízgazdálkodási Tanszék, 1111. Budapest, Műegyetem rkp. 1-3. Kivonat: E cikk témája a mesterséges neurális hálózatok eszközei elméleti hátterének felvázolása, néhány hálóépítési mód bemutatása, az előnyök és hátrányok, valamint a megvalósítási lehetőségek ismertetése. Az elméleti ismereteket néhány hidrológia jellegű alkalmazás bemutatása és további olvasmányok ismertetése teszi teljessé. Kulcsszavak: neurális hálózatok, többrétegű perceptron, radiális bázisfüggvény, szoftveres szimuláció Rövid történeti áttekintés A neurális hálózatok elemei Az első neurális háló az 1940-es években született, McCullogh és Pitts kutatásainak köszönhetően. Ezzel párhuzamosan Donald O. Hebb magyar származású kanadai pszichológus tanulással kapcsolatos kutatásai eredményeként megjelentek az első olyan tanítási algoritmusok, melyek lehetővé tették mintából is tanulni képes neurális algoritmusok kidolgozását. Hamarosan megszülettek a legelső, lineáris feladatokat megvalósítani képes neurális hálózatok, melyeket például karakterfelismerésre lehetett alkalmazni. A lineáris feladatok korlátozott köre miatt a 60-as évek közepén megcsappant az érdeklődés a neurális hálózatok iránt, de a 70-es évek végén 80-as évek elején megjelent több olyan algoritmus, mely lehetővé tette a nemlineáris leképezések megvalósítását is. Ettől kezdve ismét töretlennek mondható a neurális hálózatok fejlődése, melyet egyre szélesebb körben alkalmaznak a mérnöki gyakorlatban is. A neurális hálók alapelve A neuronok A mesterséges neurális háló alapeleme, a (mesterséges) neuron nem más, mint a fentebb már hivatkozott lokális feldolgozást végző elem. Egy-egy neuron impulzusokat kaphat más neuronok és a külvilág felől, melyeket öszszegezve és átalakítva juttat további neuronok vagy a külvilág felé. A neuron így, lévén hogy több bemenettel és egyetlen kimenettel rendelkezik, egy vektor-skalár leképezést megvalósító függvény. Működésének lényege a beérkező impulzusok transzformálása és továbbítása a többi neuron vagy a külvilág felé (lásd 1. ábra). A neuron bemeneti vektora Átviteli függvény A neuron kimenete (skalár) A mesterséges neurális háló olyan információfeldolgozó eszköz, amely minta utáni tanulást jelentő tanítási algoritmussal valamint a megtanult információ feldolgozását lehetővé tevő előhlvási algoritmussal rendelkezik. Általános értelemben olyan, mintából létrehozott (nemlineáris) függvényről van szó, amely nagymértékben összekapcsolt, lokális feldolgozást végző, azonos műveleti elemek működésének eredményeképpen jön létre - felépítésének és működési mechanizmusának alapelemeit az emberi idegrendszerrel kapcsolatos ismeretekből örökölte. A neurális hálóknak számos típusa ismeretes, melyeket egymástól megkülönböztet: • a háló lokális feldolgozást végző elemeinek működése (az úgynevezett neuronok), • e lokális elemek összekapcsoltságának mikéntje, • valamint a tanítási algoritmus. Az alábbiakban bemutatjuk az egyes elemek alapvető tulajdonságait, majd néhány hálótípust ismertetve szemléltetjük a közöttük fennálló különbségek jelentőségét. Az ismertetést néhány alkalmazás rövid bemutatása záija irodalmi példákra és a szerzők eddigi eredményeire támaszkodva. 1. ábra -A neuron elvi vázlata A függvényt, amely a neuronra érkező impulzusokból kialakítja a neuron válaszát, átviteli függvénynek nevezik (transfer function). Ez lehet közvetlen vektor-skalár függvény, de lehet olyan skalár-skalár függvény is, amelynek skalárbemenetét a neuronra érkező impulzusokból számítják, például skalárszorzat képzésével. Ezeket a függvényeket a különböző hálótípusok ismertetésénél bővebben tárgyaljuk. Abban az esetben, ha egy neuronra csak a külvilágból érkezik inger, amit csak további neuronoknak ad tovább, bemeneti neuronról beszélünk. Ehhez hasonlóan, ha egy neuron bemenete kizárólag más neuronoktól származik, kimenetét pedig a külvilág felé adja tovább, kimeneti neuronról van szó. Ha egy neuron mind bemeneti oldaláról, mind pedig a kimeneteit illetően kizárólag más neuronokhoz kapcsolódik, rejtett neuronnak hívják. A neuronok közötti kapcsolatok Miként az a neurális hálózatok definíciójának ismertetésekor kiderült, a neurális háló fontos tulajdonsága az, hogy a neuronok összekapcsoltságának eredményeként képes működni. A neuronok közötti kapcsolatok, az idegrendszer szinapszisaihoz hasonlóan nem egyszerűen