II. N eurale netwerken (pag. 283-302, boek) prof. dr. L. Schomaker (2004) KI RuG.

Slides:



Advertisements
Verwante presentaties
Ronde (muziek, TV & Showbizzzz)
Advertisements

Sudoku puzzels: hoe los je ze op en hoe maak je ze?
De nieuwste uitspraken
NEDERLANDS WOORD BEELD IN & IN Klik met de muis
A H M F K EB C x 8 Afwenden bij A en C. 1e secties C, 2e secties A. Vanaf 10 m splitsen en grote volte.
Downloaden: Ad-aware. Downloaden bestaat uit 3 delen: •1. Zoeken naar de plek waar je het bestand kan vinden op het internet •2. Het nemen van een kopie.
Prekenserie Handelingen - deel 6 (slot) ‘Gods Woord overwint omdat het mensen in de vrijheid zet!’ Hand 28,31.
1 Trip Amsterdam Trip Amsterdam D e A r a b i e r D e A r a b i e r.
Personalisatie van de Archis website Naam: Sing Hsu Student nr: Datum: 24 Juni 2004.
- Inhoud Artificial Intelligence - Inhoud Wat is AI? OorsprongReasoningLearning • Wat is Artificial Intelligence.
How to build a robot Sander van Dijk Kunstmatige Intelligentie
Opdrachttaak kennissystemen:
1 Demo of Praktijk Over de problematiek bij het ontwerpen van informatiesystemen Mark Dumay Afstudeervoordracht 15 oktober 2004.
Ronde (Sport & Spel) Quiz Night !
1 Trip Amsterdam Trip Amsterdam D e A r a b i e r D e A r a b i e r.
Het Management Informatie Portaal
Excursie Röntgenafdeling Vie Curi Venlo 15 september 2009 ZijActief Koningslust ZijActief Koningslust Excursie Rontgenafdeling Vie Curie Venlo.
Ondergrondse Geo-Informatie GIS bij tunnel-engineering
Cognitive Dynamics Voorlichting Master CKI
H51 12 resolutie H51 PHOTOSHOP 1 audiovisueel centrum meise.
Oefeningen F-toetsen ANOVA.
Interaction diagrams: Sequence Diagram
1. 2 De ontwikkeling van creatieve concepten t.b.v. mediacampagnes. Peter van Kessel Creatief Directeur, Headland Interactive.
Neurale Netwerken Kunstmatige Intelligentie Rijksuniversiteit Groningen Mei 2005.
Neurale Netwerken Kunstmatige Intelligentie Rijksuniversiteit Groningen April 2005.
Kunstmatige Intelligentie Rijksuniversiteit Groningen
Neurale Netwerken Kunstmatige Intelligentie Rijksuniversiteit Groningen April 2005.
Overzicht samenvatting en discussie hc1 t/m hc4 samenvatting en discussie hc1 t/m hc4 inleiding tot de rest van het vak inleiding tot de rest van het vak.
Geest, brein en cognitie Filosofie van de geest en Grondslagen van de cognitiewetenschap Fred Keijzer.
Motoriek & Robotica prof. dr. L. Schomaker (2004) KI RuG.
 (het is niet zo moeilijk…)
TUDelft Knowledge Based Systems Group Zuidplantsoen BZ Delft, The Netherlands Caspar Treijtel Multi-agent Stratego.
Les 10 : MODULE 1 Snedekrachten
VAKPRESENTATIE 25 NOVEMBER
Haal meer uit je Hersenen masterclass wiskunde
Onderwijsconferentie
Werken aan Intergenerationele Samenwerking en Expertise.
De eerste presentatie voor Nederlands
PLAYBOY Kalender 2006 Dit is wat mannen boeit!.
SAMENWERKING WO EN HBO BIJ AANSLUITINGSONDERZOEK V0-HO Rob Andeweg DAIR 7 en 8 november 2007.
Een Module over Model Checking voor het VWO Frits Vaandrager1, David Jansen1 & Els Koopmans2 1Radboud Universiteit Nijmegen 2Olympus College Arnhem.
Cybersecurity puzzelen aan en mét computers Erik Poll
Neurale Netwerken Kunstmatige Intelligentie Rijksuniversiteit Groningen April 2005.
Motoriek, Robotica en Neurale Netwerken
Motoriek, Robotica en Neurale Netwerken
ZijActief Koningslust 10 jaar Truusje Trap
Versie 1: ; v2: ; v3: ; v4:… ca. 50 minuten met maken van tekening (vraag 12) ca. 40 minuten zonder maken van tekening (vraag.
Op reis naar een dierentuin
Ontwikkeld door CWB3. Opbouw Presentatie 1.Wat is GeoSport? 2.Ontwerp 1.Gebruikte ontwerpmethodieken 2.Ervaring 3.Implementatie 1.Gebruikte technologieën.
Effecten van visualisatie van participatie tijdens CSCL
ECHT ONGELOOFLIJK. Lees alle getallen. langzaam en rij voor rij
Informatica studeren Een dag student 8 maart 2012.
Hoofdstuk 9 havo KWADRATEN EN LETTERS
Leerlingen ontwikkelen apps
De financiële functie: Integrale bedrijfsanalyse©
Centrummaten en Boxplot
De vierkantjes ! Dit is een puzzel om uw hersens eens goed te laten werken. De vraag is bij elk figuur hoeveel vierkanten u ziet.
1 Zie ook identiteit.pdf willen denkenvoelen 5 Zie ook identiteit.pdf.
welke hoef je niet te leren?
ZijActief Koningslust
Neurale Netwerken Genetische Algorithmen
1 e-Books & i-Papers Rik Min researcher Centre for Telematics and Information Technology (CTIT) & Faculty of Educational Science and Technology (EDTE)
HOGESCHOOL ROTTERDAM / CMI Computersystemen 2 (TIRCCMS02 - Operating systems)
Cegeka & TenForce Ronde tafel 17/06/2014 Doelstellingenmanagement VO.
Inleiding computersystemen en netwerken Hogeschool van Utrecht / Institute for Computer, Communication and Media Technology 2.1 Programmeren (2.9) assembler,
Artificiele Intelligentie (versie 03/11/05)
Transcript van de presentatie:

II. N eurale netwerken (pag , boek) prof. dr. L. Schomaker (2004) KI RuG

KI RuG ©2003 LRB Schomaker 2 Brief history of AI  “the electronic brain” –Turing, von Neumann –Wiener –Hebb, Grey Walter –Mc Culloch & Pitts –Shannon

KI RuG ©2003 LRB Schomaker 3 Brief history of AI  “the electronic brain” –Turing, von Neumann –Wiener –Hebb, Grey Walter –Mc Culloch & Pitts –Shannon  Cybernetica

KI RuG ©2003 LRB Schomaker 4 ’50/’60 …feedback systems & communication channels for symbols  “the electronic brain” –Turing, von Neumann –Wiener –Hebb, Grey Walter –Mc Culloch & Pitts, Rosenblatt –Shannon  Cybernetica Informatica Systeem+regeltechniek

KI RuG ©2003 LRB Schomaker 5 ’60/’70 … electrical engineers separate, AI matures…  “the electronic brain” –Turing, von Neumann –Wiener –Hebb, Grey Walter –Mc Culloch & Pitts, Rosenblatt –Shannon  Cybernetica Informatica Systeem+regeltechniek Philosofie, logica Artificial Intelligence

KI RuG ©2003 LRB Schomaker 6 ’69/’75: symbols vs statistics: increased specialisation, AI vs PR  “het electronische brein” –Turing, von Neumann –Wiener –Hebb, Grey Walter –Mc Culloch & Pitts, Rosenblatt –Shannon  Cybernetica Informatica Systeem+regeltechniek Philosofie, logica Artificial Intelligence Psychologie Cognitive science Patroonherkenning Symbolic AI

KI RuG ©2003 LRB Schomaker 7 …and more specialisation…  “het electronische brein” –Turing, von Neumann –Wiener –Hebb, Grey Walter –Mc Culloch & Pitts, Rosenblatt –Shannon  Cybernetica Informatica Systeem+regeltechniek Philosofie, logica Artificial Intelligence Psychologie Cognitive science Patroonherkenning Symbolic AI

KI RuG ©2003 LRB Schomaker 8 ’80/’90 … revival of the neuron …  “het electronische brein” –Turing, von Neumann –Wiener –Hebb, Grey Walter –Mc Culloch & Pitts, Rosenblatt –Shannon  Cybernetica Informatica Systeem+Regeltechniek Philosofie, logica Artificial Intelligence Psychologie Cognitive science Patroonherkenning Symbolic AI Neural Networks Connectionism

KI RuG ©2003 LRB Schomaker 9 ’90/’00 … revival of statistics & Bayes …  “het electronische brein” –Turing, von Neumann –Wiener –Hebb, Grey Walter –Mc Culloch & Pitts –Shannon  Cybernetics Informatics Systeem+Regeltechniek Philosofie, logica Artificial Intelligence Psychologie Cognitive science Patroonherkenning Symbolic AI Statistics, Bayes Connectionism hard AI

KI RuG ©2003 LRB Schomaker 10 Today: … embodied & situated systems …   Cybernetics Informatics Systeem+Regeltechniek Philosofie, logica Artificial Intelligence Psychologie Cognitive science Patroonherkenning Symbolic AI Machine Learning Connectionism hard AI Biology Embodied cognition Robotics Biologically Inspired Systems

KI RuG ©2003 LRB Schomaker 11 II. Neurale Netwerken  Neurale netwerken & Connectionisme  Ontstaan uit onvrede met teleurstellende resultaten van symbolische AI in computer vision, spraak- en schriftherkenning  … en uit onvrede met computermetafoor in psychologische modellen van cognitie  Baanbrekend werk van McClelland & Rumelhart (boek + software kunstmatige neurale netwerken) midden jaren 1980.

KI RuG ©2003 LRB Schomaker 12 NN vs AI AINN Een enkele (1) CPUmassief parallellisme (neuronen) symbolische representaties ‘analoge’ en discrete maar gedistribueerde representaties door mensen ingebouwde kennis leren op basis van gegevens (voorbeelden) logicastatistiek en geometrie

KI RuG ©2003 LRB Schomaker 13 Uitgangspunt Neurale Netwerk methoden “Als er regelmaat of structuur in gegevens zit, dan moet er een algoritme of mechanisme bestaan dat deze regelmaat ontdekt”

KI RuG ©2003 LRB Schomaker 14 Een neuron in een Neuraal Netwerkmodel Gewogen inputs Sigmoide overdrachtsfunctie Output

KI RuG ©2003 LRB Schomaker 15 Een neuron in een Neuraal Netwerkmodel Gewogen inputs: a i = Σ w ij x j Sigmoide overdrachtsfunctie Output y i Unit i xjxj w ij 1 / ( 1 + e -a ) aiai

KI RuG ©2003 LRB Schomaker 16 Leren in een neuraal net Een leeralgoritme (bv. Error Backpropagation) zorgt voor het vinden van de gewichten W ij op basis van de fout tussen doel en gerealiseerde output W ij Input xjxj Output Target yiyi titi ΔW ij Error ε = y i - t i

KI RuG ©2003 LRB Schomaker 17 Cijferherkenning  Gebruiker geeft voorbeelden van cijfers  De cijfers worden aan het netwerk gepresenteerd  Het netwerk berekent per cel de gewogen som van de inputs, en geeft output (sigmoide)  Het verschil tussen gerealiseerde output van een cel in de laatste laag en de gewenste target (nl de Error) kan worden gebruikt om alle W ij aan te passen

Een 3-laags perceptron voor cijferherkenning

KI RuG ©2003 LRB Schomaker 19 Zie Jrec demo B. Mitchell (1998): Java Handwriting recognition demo. Werkt direct op beeldelementen (pixels) en heeft geen goede voorbewerking (preprocessing) maar is wel illustratief voor het leren van klassen van patronen (de vorm van cijfers) aan een neuraal netwerk.

KI RuG ©2003 LRB Schomaker 20 Een succesvol voorbeeld van NN  NAVLAB: een autonoom navigerende bestelbus, Carnegie Mellon, Uitgerust met een Sun werkstation en een draadloze verbinding met mainframe computer om, op basis van traditionele technieken uit AI en computer vision, zelfstandig rond te rijden

KI RuG ©2003 LRB Schomaker 21 Touretzky & Pomerleau: dat moet eenvoudiger  Gebruik de capaciteit om te leren in een eenvoudig neuraal netwerkmodel  Menselijke chauffeur rijdt over de campus, neuraal netwerk kijkt ‘over de schouder’ naar: Input: 1) camerabeeld, 2) radarbeeld, Output: 3) de stand van het stuur als doel

De ALVINN netwerkarchitectuur (Touretzky & Pomerleau, 1989)

Hidden units als zelflerende ‘feature detectors’ De waarden van de gewichten tussen inputbeeld en een hidden unit kunnen worden afgebeeld als grijstinten. Deze Hidden Unit let op “niet rechtdoorrijden”

KI RuG ©2003 LRB Schomaker 24 Meer problemen….  Voortbeweging op basis van navigatie is perceptueel lastig maar motorisch eenvoudig (links, rechts, langzaam, snel)  Armbeweging is een zeer complex probleem  Kun je hier ook neurale netwerken gebruiken?

KI RuG ©2003 LRB Schomaker 25 Inverse Kinematica: hoe moeilijk is het? Doel (x,y,z) Opdracht: bedien de schuifregelaars en zorg dat de grijper vloeiend naar het doel beweegt

‘Motor babbling’ als basis voor het aanleren van inverse kinematica voor een 2D arm. Willekeurig gegenereerde gewrichthoeken leiden tot gerealiseerde handposities in het werkveld. Zo kan een NN de inverse leren: van vereiste handpositie naar gewrichtshoeken.

KI RuG ©2003 LRB Schomaker 27 Schouderhoek over het werkveld

KI RuG ©2003 LRB Schomaker 28 Ellebooghoek over het werkveld

KI RuG ©2003 LRB Schomaker 29 Wat hebben neurale netwerken gebracht?  Patrooncompletering bij ruizige patronen  Zelforganisatie: Kohonen self-organized maps, het leren van klassen van patronen zonder externe ‘leraar’  Patroonklassificatie  Patroontransformatie  Beroemde namen: McClelland, Rumelhart, Jordan, Elman, Hopfield, Grossberg, Kohonen

KI RuG ©2003 LRB Schomaker 30 Wat hebben neurale netwerken gebracht?  Veel problemen in toepassingen van AI in de echte wereld werden veel minder lastig  Neurale netwerkmodellen geven, eenmaal werkend, niet vanzelf meer inzicht over het onderliggende waarnemings-, cognitie- of motoriekprobleem  NN zijn momenteel als standaardmethode aan de gereedschapskist toegevoegd  Modernere methoden zijn ontwikkeld