Ćwiczenie 3
Transkrypt
Ćwiczenie 3
Analiza i modelowanie procesów fizjologicznych Laboratorium 3 [wersja 4/2016] Prof. dr hab. inż. Antoni Grzanka Mgr inż. Ryszard Gomółka Mgr inż. Katarzyna Kaczmarska Skrypt do laboratorium AMP – ćwiczenie 3: Sterowanie Sieć neuronowa (Neural network) [1.5 pkt.] [Zadanie treningowe] Przedstawiono prosty przykład sieci neuronowej, składającej się z określonej liczby warstw. Bieżąca sieć nie jest w stanie nauczyć się klasyfikacji - została ona wcześniej zaprogramowana. Zaznaczając pola wyboru po lewej stronie, podaj na wejście sieci sygnał. Wzorzec wejściowy jest przekształcany przechodząc z warstwy do warstwy, w wyniku czego sieć ukazuje ile pól zostało zaznaczonych na wejściu (po prawej stronie). Pokazane w zadaniu proste elementy neuronowe mogą wykonywać całkiem skomplikowane zadania. Zwróć uwagę, że każdy z neuronów ma próg działania i zapala się gdy liczba aktywnych wejść przekracza dany próg. [Zadanie badawcze] Po naciśnięciu przycisku 'Learning' można wykonywać doświadczenia z siecią neuronową, która faktycznie się uczy. Ma ona małe rozmiary i jej zadaniem jest obliczenie, czy liczba uaktywnionych pól wyboru jest parzysta ('even') czy nieparzysta ('odd'). Każdy z neuronów w warstwie środkowej odbiera impuls przez synapsę, od każdego z trzech neuronów wejściowych. Wynik przesyłany jest następnie do dwóch neuronów wyjściowych. Odpowiedź sieci wskazana jest aktywnością dwóch neuronów po prawej stronie: czerwony kolor wskazuje aktywację neuronu wyjściowego, a niebieski wyhamowanie jego aktywności. Początkowo (lub po przyciśnięciu przycisku 'Forget'), siła synaps jest ustawiona na małe wartości przypadkowe. Naciśnij przycisk Forget i rozpocznij nauczanie sieci rozróżniania wartości 0 i 1, poprzez wielokrotne naciskanie 'Repeat Stimulus'. Użycie ostatniego z przycisków odwzorowuje włączanie lub wyłączanie określonego pola wyboru. Po pewnym czasie, wyjście neuronu 'Odd' będzie zapalać się na czerwono lub na niebiesko w zależności od naszego wyboru na wejściu. Odwrotnie zachowywać się będzie neuron 'Even'. Dzieje się tak dlatego, że synapsy które wpływają na dobrą odpowiedź stają się stopniowo silniejsze, a pozostałe coraz słabsze. Spróbuj nauczyć sieć, aby poprawnie odpowiadała na inne oddzielne pole wyboru. Wykonując doświadczenie uczenia sieci, zwróć uwagę ile (jakościowo) czasu zajmie nauczenie sieci o losowo dobranych wagach połączeń w porównaniu do sieci już nauczonej? Spostrzeżesz, że nauczenie nowego zadania zajmie więcej czasu z powodu dodatkowego wysiłku niezbędnego do oduczenia zadania poprzedniego. Wart obserwacji jest fakt trudności nauczenia sieci, że 2 jest liczbą parzystą. Przy dużej cierpliwości i po setkach prób można osiągnąć cel uzyskując poprawną odpowiedź na wszystkie możliwe kombinacje wejść. Najlepszą też strategią nauczania jest trening ze wszystkimi możliwymi kombinacjami, a nie koncentrowanie się na jednym szczególnym przypadku. Po wytrenowaniu sieci, zaobserwuj jak wzorce wejściowe pobudzają warstwę środkową. Istnieje skłonność do braku systematyczności w kombinacjach - podobnie w wielu częściach mózgu. Wykonując analizę sieci opisz obserwacje i wnioski. Sprzężenie parametryczne (Parametric feedback) [1.5 pkt.] Sprzężenie parametryczne odruchu przedsionkowo-ocznego (VOR - Vestibulo-Ocular Reflex) jest jednym z ważniejszych mechanizmów funkcjonowania organizmów zwierzęcych w środowisku. Rozpocznij od wybrania przycisku 'Dark' (ciemność). Głowa ('Head') porusza się sinusoidalnie z jednej strony na drugą. Okienko jej odpowiadające obrazuje przebieg czasowy, zaś okienko po prawej stronie przedstawia wynikowy ruch oka. Zauważ, że w przypadku braku światła docierającego do oczu, brak stymulacji wzrokowej powoduje powstanie VOR w niezakłóconej postaci. U góry po prawej stronie pokazany jest ruch głowy wraz z kierunkiem patrzenia ('Gaze'), czyli pozycją oczu w przestrzeni. W ciemności, wzmocnienie (stosunek wyjścia do wejścia, a w tym wypadku amplituda ruchu oczu podzielona przez amplitudę ruchu głowy) jest mniejsze od jedności. Pozycja patrzenia nie jest zatem w rzeczywistości stała. Porównaj wykres ruchu oczu do własnych doświadczeń z pobytu w ciemnych pomieszczeniach (piwnica, jaskinia). Wybierz współdziałanie wzrokowe ('Visual assistance'). Ukazują się dodatkowe okna: ruch obiektu widzianego ('Target') i stopień przesuwania się po siatkówce obrazu tegoż obiektu ('Retinal slip'). Z powodu dodatkowej informacji wzrokowej, kierunek patrzenia jest utrzymany na stałym poziomie. Wybierz tłumienie wzrokowe ('Visual supression'). Zjawisko odpowiada sytuacji, gdy otoczenie porusza się wraz z głową. W ten sposób VOR właściwie wytwarzany jest przez przesuwanie się obrazu po siatkówce (np. staramy się utrzymać nasz wzrok na obiekcie). Wzmocnienie VOR przestaje być użyteczne, a zatem zostaje sprowadzone do zera. Kierunek patrzenia przemieszcza się wraz z głową - tak jak powinien. Kiedy obserwujemy dwie z wyżej opisanych sytuacji? (możesz podać własne obserwacje z życia). Mocnym zaburzeniem są pryzmaty odwracające ('Reversing prisms'), które odwracają obraz widziany z lewa na prawo. Wprowadzają one bardzo duże przemieszczenie wizualne. Skutkuje to wymuszeniem tak istotnego spadku wzmocnienia VOR, że właściwie jego znak się odwraca. Zatem gdy głowa przesuwa się w prawo, oczy podążają w tym samym kierunku? Na końcu zbadaj wpływ szkieł powiększających ('Magnifying lens') oraz szkieł pomniejszających ('Minifying lens) na VOR. Ich działanie stanowi umiarkowany bodziec, który wymaga częściowej korekty wzmocnieniem VOR. Ma to na celu pogodzenie równoczesnego oddziaływania sygnałów wzrokowych i przedsionkowych adaptacja jest całkowita i relatywnie szybka. We wszystkich przykładach, mechanizm uczenia może być włączany lub wyłączany za pomocą pola wyboru 'Learn'. Systemy sterowania (Control systems) [2 pkt.] Ćwiczenie pokazuje różne systemy sterowania (regulacji). Należy użyć swej wiedzy inżynierskiej, aby zinterpretować możliwości eksperymentowania w ćwiczeniu. Należy opisać skuteczność poszczególnych systemów regulacji, ich potencjalne wady i zalety. Który z systemów potrafi najlepiej odwzorować sygnał wejściowy? Z ilu kompartmentów będzie składał się taki system? Które z systemów mogą odzwierciedlać mechanizmy sterowania organizmem ludzkim (wykorzystaj wiedzę z wykładów)? Opracowano na podstawie książek: R.H.S. Carpenter: Neurophysiology. Arnold, London-Sydney-Auckland, 1996, str. 198, 225 G. Janczewski: Zawroty głowy. Solvay pharma, Warszawa 1995, str.13.