cleoanka

etkileşimli bir sayfa · sinir ağları

Geri yayılımsız öğrenmek

Bir nöron nasıl ateşlenir, iki nöron birbirinden nasıl öğrenir, ve yerel kurallarla hatırlayan bir ağ.

canvas ve kod, bağımlılık yok · GitHub’da aura-mind


1

Bir nöron nasıl ateşlenir

Derin öğrenmedeki yapay nöron bir sayı alır, bir sayı verir. Beyindeki nöron ise zaman içinde yaşar: zarındaki gerilim gelen akımla yavaş yavaş dolar, sızıntıyla boşalır ve bir eşiği aştığı anda kısa bir spike atıp sıfırlanır. Bilgi, sayıların büyüklüğünde değil spike’ların zamanlamasında taşınır. aura-mind bu tür nöronlardan kurulu.

FIG. 1 — Sızıntılı bütünle-ve-ateşle (LIF) nöronu. Akımı ve gürültüyü ayarla; figüre tıklayarak kısa bir akım darbesi ver. Sağdaki küçük grafik, sabit akımda ateşleme hızının teorik eğrisi (f–I) ve şu anki çalışma noktası.

Eşiğin altındaki akım ne kadar uzun sürerse sürsün tek bir spike üretmez: sızıntı her şeyi geri akıtır. Eşiği geçince hız hızla artar, sonra her spike’tan sonraki kısa dinlenme süresi (refrakter dönem) yüzünden doyar. Biraz gürültü eklemek, eşiğin hemen altındaki bir nöronu ara sıra ateşletir; beyin bu rastlantıyı bir özellik olarak kullanır.

2

Birlikte ateşlenen, birbirine bağlanır

Geri yayılım, ağın sonundaki hatayı bütün katmanlara geriye taşıyan küresel bir hesaptır. Beyinde böyle bir kanal yok gibi görünüyor. Onun yerine her sinaps sadece kendi iki ucunda olanı görür. STDP kuralı şunu söyler: gönderen nöron alıcıdan hemen önce ateşlendiyse, yani ona neden olmuş olabilirse, bağ güçlenir; hemen sonra ateşlendiyse zayıflar.

FIG. 2 — Solda iki nöron ve aralarındaki sinaps; kalınlığı ağırlığı. Δt kaydırıcısı alıcının gönderene göre ne kadar sonra (+) ya da önce (−) ateşleneceği. “Eşleştir” bir çift spike yollar; sağda STDP penceresi ve her eşleştirmenin getirdiği değişim, altta ağırlığın zamanla seyri.

Kural tamamen yereldir: bir sinapsın öğrenmesi için ağın geri kalanını bilmesine gerek yoktur. aura-mind buna üçüncü bir faktör ekler, ödül ya da sürpriz gibi bir modülasyon sinyali, ki böylece “birlikte ateşlendik” bilgisi ancak işe yaradıysa kalıcı hale gelir.

3

Yerel kurallarla hatırlamak

Yerel öğrenme kurallarıyla bellek kurulabilir mi? Klasik bir örnek: her nöronun her nöronla bağlantılı olduğu bir ağ. Bir deseni saklamak için her bağı sadece iki ucundaki nöronun birlikte aktif olup olmadığına göre, ortalama aktiviteyi çıkararak güncellersin: Hebb’in kovaryans kuralı. Sonra deseni bozup ağı serbest bırakırsın; her nöron komşularından gelen toplam girdiye bakar, ortak bir ketleyici havuz da en güçlü sürülenler dışındakileri susturur, ve ağ adım adım saklanan desene geri kayar.

FIG. 3 — 144 nöronluk bir ağ. Izgaraya çizerek ya da bir harf seçerek desen hazırla, “belleğe yaz”, sonra “boz” ve “hatırla”. Sağdaki çubuklar, ağın şu anki durumunun saklanan her desene benzerliği.

Birkaç desenle ağ ciddi bozulmaları bile onarır. Desen eklemeye devam et: bir noktadan sonra hatırlama çöker ve ağ desenlerin karışımı olan hayaletlere düşer. Birbirine benzeyen harflerde, E ile Z gibi, bu çöküş çok erken gelir; sekiz harfi birden yazıp E’yi bozmayı dene. Rastgele desenlerle kapasite daha yüksektir ama o da sınırsız değildir. Bu, felaket unutmanın küçük bir modeli: yeni bilgi eskisinin üstüne yazılır. aura-mind’ın bütün araştırması, yerelliği bozmadan bu çöküşü önleyecek mimariyi bulmak üzerine.

lif
Zar gerilimi dolar, sızar, eşikte spike atar; bilgi zamanlamada.
stdp
Önce gelen spike bağı güçlendirir, sonra gelen zayıflatır; tamamen yerel.
hebb
Yerel kuralla kurulan çağrışımsal bellek; aşırı yüklenince unutur.