Maschinelles Lernen/Koaktivitätsmatrix

Einleitung

Diese Seite zum Thema Maschinelles Lernen/Koaktivitätsmatrix kann als Wiki2Reveal Folien angezeigt werden. Einzelne Abschnitte werden als Folien betrachtet und Änderungen an den Folien wirken sich sofort auf den Inhalt der Folien aus. Dabei werden die folgenden Teilaspekte im Detail behandelt:

• (1) Neuronschichten für die Ein- und Ausgabe
• (2) Koaktivität von zwei Neuronen in der Eingabe- und Ausgabeschicht durch eine Matrix beschreiben.

Zielsetzung

Diese Lernressource zum Thema Koaktivitätsmatrix hat das Ziel, die algebraische Beschreibung der Koaktivität von zwei Neuronen in einem Neuronalen Netz über Matrizen darzustellen. Die Spaltenanzahl der Matrix gibt die Anzahl der Neuronen in der Eingabeschicht an und die Zeilenanzahl die Anzahl der Neuronen in der Ausgabeschicht.

Zusammenhang - Hebbsche Lernregel

Die Koaktivitätsmatrix spielt eine Rolle für die mathematische Beschreibung der Hebbschen Lernregel, bei der die Verbindung von gleichzeitig aktiven (koaktiven) Neuronverbindungen (Synapsen) verstärkt wird.

Zielgruppe

Die Zielgruppen der Lernressource zum Thema Maschinelles Lernen/Koaktivitätsmatrix sind

• Studierende im Fach Mathematik und Informatik
• Schüler:innen, die das Thema des Maschinellen Lernens interdisziplinär in der Oberstufe behandeln.

Aufgaben für Lernende / Studierende

Mit den folgenden Aufgaben zum Thema Maschinelles Lernen/Koaktivitätsmatrix werden.

• Gegeben ist eine $4\times 3$-Matrix $K\in Mat(4\times 3,\{0,1\})$, die als Werte in den Matrixkomponenten nur die Werte 0 und 1 enthalten kann.
• Setzen Sie die Matrixkomponenten $k_{(i,j)}$ der Matrix $K:=(k_{(i,j)}{)}_{i\in \{1,...,3\},j\in \{1,...,4\}}$ auf 1, wenn das $j-$te Eingabeneuron und das $i-$te Ausgabeneuron zeitgleich aktiv sind. Betrachten Sie die folgenden Berechnungen und erläutern Sie, wie die Matrix $K$ durch Matrixmultiplikation von zwei Einheitsvektoren erzeugt werden kann.

Matrixmultiplikation

Man verwendet eine Standardmatrixmultiplikation $A\cdot B=C$ um die Koaktivitätsmatrix aus Spaltenvektoren zu erzeugen. Im folgenden Beispiel ist die Matrix $A\in Mat(2\times 3,ℝ)$ gegeben ist. Dabei berechnet $A\cdot B=C$ das Matrixprodukt mit der Matrix $B\in Mat(3\times 1,ℝ)$. Die resultierende Matrix $C$ ist in diesem Beispiel also eine $K\in Mat(2\times 1,ℝ)$ (siehe auch Definition der Matrixmultiplikation).

Matrixmultiplikation in R

Die Matrixmultiplikation in R erfolgt mit:

    A <- matrix(c(1,2,3,4,5,6), ncol=3)
    B <- matrix(c(4,2,1), nrow=3)
    C = A %*% B

Siehe auch Formelsammlung für das Computeralgebrasystem Maxima

Dimensionen der resultierenden Matrix

Im Allgemeinen ergibt sich aus der Multiplikation eine $m\times n$-Matrix $A$ und einer $n\times k$-Matrix $M$ als Produkt eine resultierende $m\times k$-Matrix $C$. In dem obigen Beispiel der Multiplikation in R müssen die Spaltenzahl von $A$ ncol=3 mit der Zeilenzahl von $B$ nrow=3 übereinstimmen.

Darstellung in mathematischer Notation

In diesem Beispiel wird im ersten Befehl ein Spaltenvektor c(1,2,3,4,5,6) in eine Matrix mit 3 Spalten konvertiert (ncol=3 number of columns 3), die dann als Matrix $A$ zwei Zeilen besitzt.

$A\cdot B=\left(\begin{array}{ccc}1& 3& 5\\ 2& 4& 6\end{array}\right)\cdot \left(\begin{array}{c}4\\ 2\\ 1\end{array}\right)=\left(\begin{array}{c}15\\ 22\end{array}\right)=C$

Erzeugen der Koaktivitätsmatrix

Die Koaktivitätsmatrix kann man durch Matrixmultiplikation aus zwei assoziierten Vektoren erzeugen. Dabei wird mit einem Trainingsvektor $(x^{(k)},y^{(k)})\in {ℝ}^m\times {ℝ}^n$ der Spaltenvektor $y^{(k)}{ℝ}^m$ von links mit dem Zeilenvektor ${x^{(k)}}^{\mathrm{\top }}\in {ℝ}^n$ multipliziert und es entsteht die Koaktivitätsmatrix $K^{(k)}$ als $m\times n$-Matrix.

$K^{(k)}:=y^{(k)}\cdot x^{(k{)}^{\mathrm{\top }}}=\left(\begin{array}{c}1\\ 0\end{array}\right)\cdot \left(\begin{array}{ccc}0& 0& 1\end{array}\right)=\left(\begin{array}{ccc}0& 0& 1\\ 0& 0& 0\end{array}\right)$

Koaktivität in R

Der folgende Code zeigt eine Berechnung einer $2\times 3$ Koaktivitätsmatrix in GNU R.

koaktivitaetsmatrix <- function (px1,px2,px3,py1,py2) {
  vecx <- c(px1,px2,px3)
  vecy <- c(py1,py2);
  mat <- matrix(vecy , ncol=1) %*% matrix(vecx,ncol=3) 
  
  # return Kooktivitaetsmatrix mat als Rueckgabewert
  mat
}

Siehe auch

• Wiki2Reveal
• Formelsammlung für Maxima
• Künstliche Intelligenz
• Kurs:Maschinelles Lernen
• Kurs:Maßtheorie auf topologischen Räumen
• Digitale Lernumgebung und Individualisierung und Differenzierung von Lehr-Lernmaterialien
• KnitR