d9e5a92d

Нейросеть для задачи логического вывода


Рассмотрим предварительно один аспект обучения нейросети методом трассировки.

Обобщив подход, изложенный в разд. 2, на логику передаточных функций, мы заявили, что нашли способ построения уже обученных нейросетей.

Впоследствии (разд. 3 и 4) при отсутствии некоторых связей в типовых сетях обосновано их принудительное введение в случае целесообразности.

Таким образом, несовершенство нейросети не стало для нас преградой. А если предположить, как при «схемотехническом» подходе, что первоначально в сети вообще никаких связей нет, ее матрица следования пуста, а нам предстоит создать эту сеть полностью? Логично, что в ней будут присутствовать только те связи, которые обеспечивают ее обучение, т. е. мы сразу можем строить обученную нейросеть, синапсические связи в которой имеют единичный (максимальный) вес.

Последуем этим путем и, рассчитав все возможные выводы, составим (рис. 7.1) нейросеть, соответствующую фрагменту беспредельной базы знаний о жителях далекого таежного села.

Для того чтобы максимально сохранить информацию о иерархии выводов, переменные — значения возбуждения рецепторов будем вводить только на первый уровень логического анализа в качестве параметров процедур фактов. Ведь как ни формализуй, а окончательных рекомендаций по формированию нейросети не получить, так как это формирование — моделирование, а моделирование — искусство. Впрочем, каждый раз это ярко демонстрирует выбор передаточной функции. Здесь мы рекомендуем использовать передаточную функцию:

 

Порог h подбирается экспериментально, в данном случае целесообразно положить h = 0,4.

Мы видим, что сеть отображает только факты, а где же правила? Они использованы и забыты? И да, и нет. Вот тут то и проявляется вторая парадигма обучения — парадигма ученика. Ибо правила вывода оказались использованными при обучении и скрыты. Только путь индуктивного мышления способен их восстановить, т.е. восстановить закономерность по сформированным связям.

Как же тогда работать с этой сетью? Представим себе два режима работы: для фискального органа  налоговой инспекции, требующей общей картины социального состояния, и для информационно аналитической службы безопасности, интересующейся гражданами индивидуально, по выбору и привлечению.

 

Мужчина Иван Мужчина Василий Мужчина Петр Мужчина Федор Мужчина Юрий Женщина Марья Женщина Ирина Женщина Ольга Женщина Елена Марья родитель Ивана Иван  родитель Елены Марья  родитель Василия Федор родитель Марьи Петр  родитель Ирины Петр  родитель Ивана Федор  родитель Юрия Марья  мать Ивана Марья мать Василия Иван  отец Елены Петр  отец Ирины Петр отец Ивана Федор  отец Юрия Иван  брат Василия Василий  брат Ивана Иван брат Ирины Юрий брат Марьи Ирина  сестра Ивана Василий  дядя Елены Юрий  дядя Ивана Юрий  дядя Василия

Рис. 7.1. База знаний антрополога исследователя

Мужчина Иван Мужчина Василий Мужчина Петр Мужчина Федор Мужчина Юрий Женщина Марья Женщина Ирина Женщина Ольга Женщина Елена Марья  родитель Ивана Иван  родитель Елены Марья  родитель Василия Федор  родитель Марьи Петр  родитель Ирины Петр  родитель Ивана Федор  родитель Юрия Марья  мать Ивана Марья мать Василия Иван  отец Елены Петр  отец Ирины Петр  отец Ивана Федор  отец Юрия Иван брат Василия Василий брат Ивана Иван  брат Ирины Юрий  брат Марьи Ирина  сестра Ивана Василий дядя Елены Юрий дядя Ивана Юрий  дядя Василия

А именно если максимально возбудить все нейроны рецепторы, то можно извлечь полную информацию о клиентах: кто из них мужчина, кто — женщина, в каком родстве они состоят.

В то же время при возбуждении на входе нейронов рецепторов, соответствующих Ивану и Василию, получим информацию о том, что они, несомненно, мужчины. Но подозрительно высокого возбуждения достигнут нейроны, отвечающие за факт, что Марья — мать Ивана и она же — мать Василия. Подозрительно возбудятся и нейроны, отвечающие за факты Иван — брат Василия и Василий — брат Ивана, Юрий — дядя Ивана и др. Тогда возбудим нейрон рецептор, соответствующий Марье, и посмотрим на реакцию сети. Сеть высоким возбуждением своих нейронов нам сообщает: "Да, действительно, Марья — мать Ивана и Василия".

Заметим, что можно подавать на вход сет и не единичные значения возбуждений. Например, установив, что в деле участвовал не то Иван, не то Василий (уж очень они похожи!), мы зададим соответствующие значения возбуждений равными 0,5 и установим высокую величину возбуждения нейрона, соответствующего дяде и того, и другого — Юрию. И тогда логично возложить На него ответственность за поведение племянников.

Таким образом, составляя нейросеть, мы руководствовались желанием сохранить причинно следственные логические связи, обусловленные правилами. Этим обусловливается возможность использования метода индуктивного мышления для установления, например, изначальных фактов, достаточных для вывода: Юрий — дядя Ивана. Мы даже назвали эту нейросеть базой знаний антрополога исследователя. Таким образом, имитируется организация коры, где все выводы равноправны и служат как формированию внутри задачных, промежуточных выводов, так и для решения некоторой внешней глобальной задачи, сверхзадачи. Равноправность и внешнее использование, в том числе для логической надстройки сети, для получения новых знаний по новым вводимым фактам и правилам, требует специального формирования величин возбуждения нейронов, что и отражено в предлагаемой передаточной функции.

С другой стороны, зачем нам знать и делать вывод о том, что Юрий — дядя Ивана, потому что он — брат Марьи! Мы можем эти факты задать независимо, предварительно вычислив на языке ПРОЛОГ

Тогда получим фрагмент базы знаний участкового уполномоченного (рис. 7.2), что в самой простой форме отражает анкетирование, не подлежащее глубокому исследованию.




Содержание раздела