Sztuczne Systemy Skojarzeniowe i teoria asocjacji
Asocjacyjne struktury danych
AGH Akademia Górniczo-Hutnicza
Wydział Elektrotechniki, Automatyki, Informatyki i Inżynierii Biomedycznej
Adrian Horzyk
horzyk@agh.edu.pl
AKTYWNA I PASYWNA REPREZENTACJA DANYCH
Pamięci komputerowe przechowują dane:
PASYWNASTRUKTURA DANYCH WYMAGAJĄCA ALGORYTMÓW
ASOCJACYJNA STRUKTURA AKTYWNIEREPREZENTUJĄCA DANE I ICH ZWIĄZKI DZIĘKI NEURONOWYM REAKTYWNYM MECHANIZMOM ICH REPREZENTACJI
Systemy skojarzeniowe
reprezentują dane:
Transformacja tabeli na neuronową strukturę asocjacyjną
A2 8 1 A1
2 3 3 9 1 3 R2
R1 R3
R4 ASSORT
TABELA
4 5 4 8
9 1 R6
R5
R8
1 3 R7
MIN MAX
MIN MAX
SENSIN : A1
AANG
A2 A1
( A )
Transformacja tabeli na neuronową strukturę asocjacyjną
A2 8 1 A1
2 3 3 9 1 3 R2
R1 R3
R4 ASSORT
TABELA
4 5 4 8
9 1 R6
R5
R8
1 3 R7
2
3 N1
ADEF
ADEF
ADEF
MIN
ADEFMAX
MIN
ADEF ADEFMAX
SENSIN : A1
AANG
2 3 R1
( B )
Transformacja tabeli na neuronową strukturę asocjacyjną
A2 8 1 A1
2 3 3 9 1 3 R2
R1 R3
R4 ASSORT
TABELA
4 5 4 8
9 1 R6
R5
R8
1 3 R7
2
1 3
N2 N1
ADEF
ASIM ASEQ
ADEF
ADEF
ADEF
ADEF
MIN
ADEFMAX
MIN
ADEF ADEFMAX
SENSIN : A1
ASIM
8
AANG
8 1 R2
( C )
Transformacja tabeli na neuronową strukturę asocjacyjną
A2 8 1 A1
2 3 3 9 1 3 R2
R1 R3
R4 ASSORT
TABELA
4 5 4 8
9 1 R6
R5
R8
1 3 R7
2
1
3
3 N2
N1 N3
ADEF ASIM
ASIM
ASEQ ASEQ
ADEF
ADEF
ADEF
ADEF
ADEF
ADEF
MIN
ADEFMAX
MIN
ADEF ADEFMAX
SENSIN : A1
ASIM
8
ASIM
9
AANG
3 9 R3
( D )
Transformacja tabeli na neuronową strukturę asocjacyjną
A2 8 1 A1
2 3 3 9 1 3 R2
R1 R3
R4 ASSORT
TABELA
4 5 4 8
9 1 R6
R5
R8
1 3 R7
2
1
3
3 1
N2
N1 N3 N4
ADEF ASIM
ASIM
ASEQ ASEQ ASEQ
ADEF
ADEF
ADEF
ADEF
ADEF
ADEF ADEF
ADEF
MIN
ASIM ADEFMAX
MIN
ADEF ADEFMAX
SENSIN : A1
ASIM
8
ASIM
9
AANG
1 3 R4
( E )
Transformacja tabeli na neuronową strukturę asocjacyjną
A2 8 1 A1
2 3 3 9 1 3 R2
R1 R3
R4 ASSORT
TABELA
4 5 4 8
9 1 R6
R5
R8
1 3 R7
2
1
3
3 1
N2
N1 N3 N4
ADEF ASIM
ASIM
ASEQ ASEQ ASEQ
ADEF
ADEF
ADEF
ADEF
ADEF
ADEF ADEF
ADEF
MIN
ASIM ADEFMAX
MIN
ADEF ADEFMAX
SENSIN : A1 4
ASIMASIM
8
ASIM
8
ASIM
9
ASEQ
N5
ADEF
ADEF
AANG
4 8 R5
( F )
Transformacja tabeli na neuronową strukturę asocjacyjną
A2 8 1 A1
2 3 3 9 1 3 R2
R1 R3
R4 ASSORT
TABELA
4 5 4 8
9 1 R6
R5
R8
1 3 R7
2
1
3
3 1
N2
N1 N3 N4
ADEF ASIM
ASIM
ASEQ ASEQ ASEQ
ADEF
ADEF
ADEF
ADEF
ADEF
ADEF ADEF
ADEF
MIN
ASIM ADEFMAX
MIN
ADEF ADEFMAX
SENSIN : A1 4
ASIMASIM
8
5
ASIM8
ASIM ASIM
9
N6 N5
ASEQASEQ ADEF
ADEF ADEF
AANG
ADEF4 5 R6
( G )
Transformacja tabeli na neuronową strukturę asocjacyjną
A2 8 1 A1
2 3 3 9 1 3 R2
R1 R3
R4 ASSORT
TABELA
4 5 4 8
9 1 R6
R5
R8
1 3 R7
2
1
3
3 1
N2
N1 N3 N4
ADEF ASIM
ASIM
ASEQ ASEQ ASEQ
ADEF
ADEF
ADEF
ADEF
ADEF
ADEF ADEF
ADEF
MIN
ASIM ADEFMAX
MIN
ADEF ADEFMAX
SENSIN : A1 4
ASIMASIM
8
5
ASIM8
ASIM ASIM
9
N6 N5
ASEQASEQ ASEQ
ADEF
ADEF ADEF
AANG
ADEF1 3 R7
( H )
Transformacja tabeli na neuronową strukturę asocjacyjną
A2 8 1 A1
2 3 3 9 1 3 R2
R1 R3
R4 ASSORT
TABELA
4 5 4 8
9 1 R6
R5
R8
1 3 R7
2
1
3
3 1
N2
N1 N3 N4
ADEF ASIM
ASIM
ASEQ ASEQ ASEQ
ADEF
ADEF
ADEF
ADEF
ADEF
ADEF ADEF
ADEF
MIN
ASIM ADEFMAX
MIN
ADEF ADEFMAX
SENSIN : A1 4
ASIMASIM
8
ASIM9
5
ASIM8
ASIM ASIM
9
N6
N5
ASEQN8
ASEQ
ASEQ ASEQ
ADEF
ADEF ADEF
ADEF
ADEF
ADEF
ACON
AANG
9 1 R8
( I )
Transformacja tabeli na neuronową strukturę asocjacyjną
A2 8 1 A1
2 3 3 9 1 3 R2
R1 R3
R4 ASSORT
TABELA
4 5 4 8
9 1 R6
R5
R8
1 3 R7
AANG
2
1
3
3 1
N2
N1 N3 N4
ADEF ASIM
ASIM
ASEQ ASEQ ASEQ
ADEF
ADEF
ADEF
ADEF
ADEF
ADEF ADEF
ADEF
MIN
ASIM ADEFMAX
MIN
ADEF ADEFMAX
SENSIN : A1 4
ASIM6
ASIM ASIM
8
ASIM9
5
ASIM8
ASIM ASIM
9
N6
N5
ASEQN8 N9
ASEQ
ASEQ
ASEQ ASEQ
ADEF
ADEF ADEF
ADEF
ADEF
ADEF
ADEF ADEF
ACON
6 8 R9
( J )
Transformacja tabeli na neuronową strukturę asocjacyjną
A2 8 1 A1
2 3 3 9 1 3 R2
R1 R3
R4 ASSORT
TABELA
4 5 4 8
9 1 R6
R5
R8
1 3
R7 ...
2
1
3
3 1
N2
N1 N3 N4
ADEF ASIM
ASIM
ASEQ ASEQ ASEQ
ADEF
ADEF
ADEF
ADEF
ADEF
ADEF ADEF
ADEF
AANG
MIN
ASIM ADEFMAX
MIN
ADEF ADEFMAX
SENSIN : A1 4
ASIM6
ASIM ASIM
8
ASIM9
5
ASIM8
ASIM ASIM
9
N6
N5
ASEQN8 N9
ASEQ
ASEQ
ASEQ ASEQ
ACON
ACON
ADEF
ADEF ADEF
ADEF
ADEF
ADEF
ADEF ADEF
2 3 R1
6 8 R9
( K )
Pobudzenie receptorów za pośrednictwem pól sensorycznych
2
1
3
3 1
N2
N1 N3 N4
ADEF ASIM
ASIM
ASEQ ASEQ ASEQ
ADEF
ADEF
ADEF
ADEF
ADEF
ADEF ADEF
ADEF
AANG
MIN
ASIM ADEFMAX
MIN
ADEF ADEFMAX
SENSIN : A1 4
ASIM6
ASIM ASIM
8
ASIM9
5
ASIM8
ASIM ASIM
9
N6
N5
ASEQN8 N9
ASEQ
ASEQ
ASEQ ASEQ
ACON
ACON
ADEF
ADEF ADEF
ADEF
ADEF
ADEF
ADEF ADEF
4 3 ZEWNĘTRZNE
POBUDZANIE
WEJŚĆ
SENSORYCZNYCH
Pobudzenie neuronu dla wyznaczenia podobieństw lub następstwa
2
1
3
3 1
N2
N1 N3 N4
ADEF ASIM
ASIM
ASEQ ASEQ ASEQ
ADEF
ADEF
ADEF
ADEF
ADEF
ADEF ADEF
ADEF
AANG
MIN
ASIM ADEFMAX
MIN
ADEF ADEFMAX
SENSIN : A1 4
ASIM6
ASIM ASIM
8
ASIM9
5
ASIM8
ASIM ASIM
9
N6
N5
ASEQN8 N9
ASEQ
ASEQ
ASEQ ASEQ
ACON
ACON
ADEF
ADEF ADEF
ADEF
ADEF
ADEF
ADEF ADEF
ZEWNĘTRZNE POBUDZANIE
NEURONU
Wierzchołki asocjacyjnie podobne i następne
Wierzchołki asocjacyjnie podobne to takie, które łączą wartości podobne przy pomocy krawędzi ESIM.
Wierzchołki asocjacyjnie następne łączą ze sobą wierzchołki reprezentujące następujące po sobie obiekty (rekordy, krotki).
2 3
1
N2
N1 N3 N4
ADEF ASIM
ASEQ ASEQ ASEQ
ADEF
ADEF
ADEF
ADEF
ADEF
ADEF ADEF
ADEF
AANG
MIN ASIM ADEF MAX
SENSIN : A1 4 ASIM 6
ASIM ASIM 8 ASIM 9
N6
N5 ASEQ N8 N9
ASEQ
ASEQ
ASEQ ASEQ
ACON
ACON
ADEF
ADEF ADEF
ADEF
ADEF
ADEF
ADEF ADEF
Dla wybranego zbioru danych i zadania klasyfikacji
można poszukać podobieństw umożliwiających określenie ich dyskryminatywnych grup
AGDS
asocjacyjna grafowa struktura danychAGDS
AGDS - asocjacyjna grafowa struktura danych
ASOCJACYJNE STRUKTURY NEURONOWE
Asocjacyjne struktury neuronowe aktywnie wiążą ze sobą grupy danych, które otrzymują zdolność wywierania wpływu na reprezentację innych grup danych.
Dane oddziałujące na neurony
stopniowo automatycznie zmieniają Nowe skojarzenia automatycznie zmieniają wcześniejsze aktywne związki, a więc zmieniają sposób przetwarzania danych w przyszłości (odpowiednik zmiany programu).
Aktywne związki tworzą skojarzenia.
Skojarzenia mogą zostać ponownie wywołane w przyszłości.
Struktura AGDS i AANG dla zbioru Irys z ML Repository
Korelacje pomiędzy klasą Virginica a Setosa i Versicolor
KORELACJE UTRUDNIAJĄCE DYSKRYMINACJĘ
INFORMACYJNA POTĘGA ASOCJACYJNYCH POŁĄCZEŃ
AANG – Aktywny Asocjacyjny Graf Neuronowy dla zbioru Iris
Określenie dyskryminatywnych kombinacji przedziałów lub podzbiorów wartości dla poszczególnych atrybutów oraz dyskryminowanych klas
Określenie dyskryminatywnych kombinacji przedziałów lub podzbiorów wartości dla poszczególnych atrybutów oraz dyskryminowanych klas
Asocjacyjne sortowanie ASSORT
Umożliwia wykorzystanie receptorów i neuronów do sortowania rekordów równocześnie względem wszystkich atrybutów odzwierciedlając podobieństwo danych i następstwo rekordów.
W przypadku równoległej realizacji dodanie nowego rekordu zachodzi w czasie stałym O(1), a sortowanie wszystkich rekordów względem wszystkich atrybutów równocześnie w czasie liniowym O(n).
Ze względu na konstrukcję współczesnych komputerów trudno go zrealizować, aczkolwiek można to zrobić na odpowiednich kartach graficznych GPU.
Sortowanie to proces porządkowania rekordów (np. R1, …, R9) względem wybranego klucza lub kluczy (np. A1 lub A2).
Wartości poszczególnych atrybutów, jak również całe rekordy mogą się powtarzać w sortowanym zbiorze.
Opis przebiegu działania sortowania ASSORT
1. Sztuczny system skojarzeniowy AAS podaje równocześnie na wszystkie wejścia sensoryczne (SENSIN:Ak) wartości danych definiujące wybrany rekord z tabeli, np. sortowany rekord R1 określony jest przez dwie wartości A1=2 i A2=3.
2. Wejścia sensoryczne SENSIN:Ak przekazują otrzymane wartości do wszystkich istniejących i powiązanych z nimi neuronów receptorycznych (VN), które
przekształcają otrzymane wartości na pewien stopień swojego pobudzenia.
3. Neurony receptoryczne VN nie muszą osiągnąć progu aktywacji, a więc
przekazują swoje pobudzenie do powiązanych z nimi neuronów SN oraz innych neuronów receptorycznych VN pobudzając je odpowiednio do wagi łączącego je połączenia synaptycznego.
2 3
ADEF 1 ASIM
MIN ASIM ADEF MAX
SENSIN : A1 4 ASIM 6
ASIM ASIM 8 ASIM 9
Opis przebiegu działania sortowania ASSORT
5. Dla ułatwienia każde wejście sensoryczne SENSIN:Ak przechowuje wielkość zakresu reprezentowanego przedziału swojej wrażliwości:
6. Neurony receptoryczne ekstremów wyznaczają swoje wartości wyjściowe wg:
gdzie x oznacza wartość przekazaną przez SENSINa, a vMIN i vMAX wartości ekstremalne reprezentowane przez neurony receptoryczne MIN i MAX.
7. Neurony receptoryczne reprezentujące porządkowalne wartości v łączą się w obrębie ich SENSINów, a waga ich połączenia odwzorowuje ich podobieństwo:
2 3
ADEF 1 ASIM
MIN ASIM ADEF MAX
SENSIN : A1 4 ASIM 6
ASIM ASIM 8 ASIM 9
MIN MAX
SENSIN : A2
(6.7)
(6.5) (6.3)
(6.1)
Opis przebiegu działania sortowania ASSORT
9. Proces plastyczności połączeniowej uruchamiany jest w VNach wtedy, gdy określony VN zostanie mocniej pobudzony przez SENSINa niż za
pośrednictwem połączenia od wcześniej aktywowanego sąsiedniego VNa:
A wA,X
ADEF 1 ASIM
MIN ADEF ADEF MAX
SENSIN:Ak
B ASIM
ASIM ASIM C ADEF 1
X wB,C
A wA,B
ADEF 1 ASIM
AANG
MIN ADEF ADEF MAX
SENSIN:Ak B ASIM
ASIM ASIM C ADEF 1
X
wB,C
DX,A
DX,B
DX,C
DA,B DB,C
wX,B
ASIM ASIM
(6.8) (6.9)
(6.10)
Opis przebiegu działania sortowania ASSORT
11. Funkcja pobudzenia neuronów receptorycznych VN określona jest poprzez następującą zależność:
gdzie
v to wartość reprezentowana przez neuron receptoryczny VN, x oznacza wartość przekazaną przez SENSINa,
R oznacza przedział zmienności danego SENSINa,
𝒕𝒗 wyznacza czas pobudzania receptorycznego neuronu wartości VN wartością x a suma jest liczona po wszystkich połączonych VNach reprezentujących wartości, które są bardziej podobne do wartości x niż wartość v rozważanego VNa.
12. VNy są cały czas pobudzane przez wartość x aż do momentu osiągnięcia aktywacji lub zakończenia
procesów plastyczności (6.11)
(6.12)
(6.13)
Opis przebiegu działania sortowania ASSORT
13. Kolejne VNy połączone z wcześniej aktywowanymi VNami zostaną aktywowane w czasie określonym następująco:
gdzie
v1 i v2 to wartości reprezentowane przez sąsiednie neurony receptoryczne VN, x oznacza wartość przekazaną przez SENSINa,
R oznacza przedział zmienności danego SENSINa.
14. VNy „potrzebują” przekazać swój stan aktywacji neuronom w taki sposób, żeby je aktywować samodzielnie lub wespół z innymi elementami AASów. Jeśli więc żaden neuron SN nie odpowiada aktywacją na aktywację VNa, inicjuje on proces swojej plastyczności połączeniowej z SNami, a jeśli nie ma żadnego SNa z
aktywnym procesem plastyczności połączeniowej z VNami, wtedy zachodzi proces neurogenezy nowego Sna.
(6.14)
Opis przebiegu działania sortowania ASSORT
16. Ponadto SNy również łączą się wzajemnie w zależności od upływu czasu pomiędzy ich aktywacjami oraz w zależności od ilości połączeń wyjściowych:
(6.18) (6.17)
WACON 2 ACON 2
WASEQ 0 WASEQ 1
WASEQ 2 W
WACON 3 ACON 3
WACON k ACON k
WACON k-1 ACON k-1
SN k
SN -k W SN SN SN SN
t
= k – 1t
= kt
= 3t
= 2t
= 1(6.19)
Stopniowa relaksacja neuronów i kontekst aktywacji
Dzięki stopniowej relaksacji neuronów (powrotowi do stanu spoczynku) możliwe jest wykorzystanie kontekstu poprzednich aktywacji:
ASEQ -k+1 ASEQ -k+1 ASEQ 2 ASEQ 1 ACON 1 = ASEQ 0
WACON 2 ACON 2
WASEQ 0 WASEQ 1
WASEQ 2 WASEQ -k+1
WACON 3 ACON 3
WACON k ACON k
WACON k-1 ACON k-1
SN -k+1
SN -k WASEQ -k+1 SN 3 SN 2 SN 1 SN 0
t
= k – 1t
= kt
= 3t
= 2t
= 1(6.23)
ASOCJACYJNE SORTOWANIE RÓWNOLEGŁE
ASSORT
ma złożoność O(n)
DX-A < DA-B DX-C> DB-C
A < X < B < C
BIBLIOGRAFIA
1. Horzyk, A., How Does Generalization and Creativity Come into Being in Neural Associative Systems and How Does It Form Human-Like Knowledge?,
Neurocomputing, 2014, IF = 1,634.
2. Horzyk, A., Human-Like Knowledge Engineering, Generalization and Creativity in Artificial Neural Associative Systems, Springer, AISC 11156, 2014.
3. Horzyk, A., Human-Like Knowledge Engineering, Generalization and Creativity in Artificial Neural Associative Systems, Springer Verlag, AISC 11156, ISSN 2194-5357, 2015.
4. Horzyk, A., Innovative Types and Abilities of Neural Networks Based on Associative Mechanisms and a New Associative Model of Neurons - referat na zaproszenie na międzynarodowej konferencji ICAISC 2015, Springer Verlag, LNAI, 2015.
5. Horzyk, A., Sztuczne systemy skojarzeniowe i asocjacyjna sztuczna inteligencja, EXIT, Warszawa, 2013.
6. Tadeusiewicz, R., Horzyk, A., Man-Machine Interaction Improvement by Means of Automatic Human Personality Identification, Gerhard Goos, Juris Hartmanis, and Jan van Leeuwen (Eds.), Springer, LNCS 8104, 2013.
7. Horzyk, A., Gadamer, M., Associative Text Representation and Correction, Springer Verlag Berlin Heidelberg,
LNAI 7894, 2013, pp. 76-87.
8. Horzyk, A., Information Freedom and Associative Artificial Intelligence, Springer Verlag Berlin Heidelberg, LNAI 7267, 2012, pp. 81-89.
9. Horzyk, A., Self-Optimizing Neural Network 3, L. Franco, D. Elizondo, J.M. Jerez
horzyk@agh.edu.pl