1-mustaqil ishi bajardi: Shamsiddinov isoqjon

2.Model neyron tarmoq (sun’iy neyron tarmoq) haqida qisqacha.

Model neyron tarmoq (sun'iy neyron tarmoq) - bu kirish signallari ustida operatsiyalarni mahalliy ravishda bajaradigan va mahalliy xotiraga ega bo'lishi mumkin bo'lgan ishlov berish elementlaridan (neyronlardan) tashkil topgan parallel axborotni qayta ishlash tizimi. Elementlar bir-biriga bir tomonlama signalizatsiya kanallari bilan bog'langan. Har bir ishlov berish elementi bitta chiqishga ega, ba'zida bir nechta kanallarga (havolalarga) tarmoqlanadi, ularning har biri ishlov berish elementining bir xil chiqish (natijada) signalini olib yuradi. Olingan signalni shakllantirish qoidalari (element ichidagi ma'lumotlarni qayta ishlash qoidalari) juda xilma-xil bo'lishi mumkin, faqat ishlov berish mahalliy bo'lishi muhimdir. Bu shuni anglatadiki, ishlov berish elementga havolalar orqali keladigan kirish signallarining joriy qiymatlariga va elementning mahalliy xotirasida saqlanadigan qiymatlarga bog'liq bo'lishi kerak.

Ilmiy yo'nalish sifatida neyron tarmoqlari nazariyasi birinchi marta 1943 yilda Makkullox va Pitsning klassik asarida aniqlangan, deb ishoniladi, bu printsipial ravishda har qanday arifmetik yoki mantiqiy funktsiyani oddiy neyron tarmoq yordamida amalga oshirish mumkin. 1958 yilda Frank Rozenblatt perceptron deb nomlangan neyron tarmog'ini ixtiro qildi va birinchi neyrokompyuter Mark-1 ni yaratdi. Perseptron ob'ektlarni tasniflash uchun mo'ljallangan edi. O'qitish bosqichida "o'qituvchi" pertseptronga taqdim etilgan ob'ekt qaysi sinfga tegishli ekanligini aytadi. O'qitilgan pertseptron juda kam xatolarga yo'l qo'ygan holda ob'ektlarni, shu jumladan mashg'ulotda foydalanilmaydigan narsalarni tasniflashga qodir.

3. 
   Nerv tarmoqlar nazariyasi haqida ma’lumot.
   

Nerv tarmoqlari nazariyasining yangi ko'tarilishi 1983-1986 yillarda boshlanib, PDP (Parallel Distributed Processing) guruhining ishi muhim rol o'ynadi. Ular tanib olish, boshqarish va bashorat qilish muammolarini hal qilishda juda samarali ekanligini isbotlagan ko'p qatlamli pertseptronlar deb nomlangan neyron tarmoqlarni ko'rib chiqdilar. (Ko'p qatlamli perkeptronlar dastur imkoniyatlari xilma-xilligi va muvaffaqiyatli hal qilingan amaliy muammolar soni bo'yicha ham etakchi o'rinni egallaydi).

Aytaylik, f funktsiyasini topishimiz kerak. Keling, misol qilib o'rganish usulidan foydalanaylik. Yi = f (Xi) funktsiyasining qiymati ma'lum bo'lgan Xi vektorlarning vakillik namunasi mavjud deylik. Juftliklar to'plami (Xi, Yi) mashqlar to'plami deb nomlanadi. Keling, tarmoqning elementlari ("neyronlar") qanday joylashtirilganligini, elementlar orasidagi bog'lanishlar arxitekturasi qanday ekanligini va tarmoqni o'qitish qanday qoidalarga binoan amalga oshirilishini aniqlab, ko'p qatlamli pertseptron deb nomlangan asab tarmog'ini ko'rib chiqamiz.

Tarmoq elementi diskret vaqt ichida ishlaydi va olingan signallar asosida hosil bo'lgan signalni hosil qiladi. Element bir nechta kirishga ega, ularning har biriga ma'lum bir "og'irlik" beriladi. Kirishlar tomonidan qabul qilingan signallar tegishli og'irliklarni hisobga olgan holda yig'iladi va yig'ilgan signal javob chegarasi bilan taqqoslanadi. Agar umumiy signal chegara qiymatidan kam bo'lsa, unda element chiqadigan signal nolga yaqin yoki unga teng, aks holda signal birlikka yaqin.

Kirish qatlamining har bir elementida bitta kirish mavjud (og'irligi 1 bilan), u orqali X vektorining tegishli komponenti keladi.Yashirin qatlamning har bir elementi kirish qatlamining barcha elementlaridan signallarni qabul qiladi. Shunday qilib, yashirin qatlamning elementi uni kirish qatlami elementlari bilan bog'laydigan m kirishga ega. Kirish qatlami elementlaridan yashirin qatlam elementlariga bog'lanishlar w1 zanjirlarining "og'irliklari" matritsasi bilan tavsiflanadi, ularning tarkibiy qismlari ulanish samaradorligining qiymatini aniqlaydi. Chiqish qatlamidagi har bir element yashirin qatlamdagi barcha elementlardan signallarni qabul qiladi. Shunday qilib, X vektorini tarmoqning kirish qatlamiga berib, biz yashirin qatlam elementlarining faollik vektorini, so'ngra chiqish qatlami elementlarida Y vektorini olamiz. Tarmoq ishining natijasi elementlar orasidagi bog'lanishlar og'irliklarining sonli qiymatlariga bog'liq.

Tarmoqni o'rgatish elementlar orasidagi bog'lanish og'irliklarini to'g'ri tanlashdan iborat. Havolalarning og'irliklari shunday tanlanganki, o'quv namunasi elementlari uchun o'rtacha kvadrat-kvadrat xatosi minimal bo'ladi. Bunga turli yo'llar bilan erishish mumkin. Perseptronni o'qitgandan so'ng, ish natijalarini baholash uchun sinov jarayoni o'tkaziladi. Buning uchun o'quv namunasi odatda ikki qismga bo'linadi. Bir qismi mashg'ulot uchun ishlatiladi, ikkinchisi esa natijasi ma'lum bo'lib, sinov jarayonida ishtirok etadi. Sinov bosqichida tarmoqning to'g'ri ishlash foizi - bu perseptronning ishlash ko'rsatkichidir.

Aytish kerakki, ko'plab amaliy vazifalar uchun tarmoqning hayratlanarli darajada yuqori sifatiga erishish mumkin (taxminan 95% va undan yuqori). F funktsiyalarining juda keng sinfiga yaqinlashish uchun ko'p qatlamli pertseptronlardan foydalanish imkoniyatini asoslaydigan bir qator matematik teoremalar mavjud.

Axborotni siqish muammosini hal qilish misolida ko'p qatlamli perkeptronlardan foydalanishni tasvirlaylik. Bunday ehtiyoj ko'pincha turli xil ilovalarda paydo bo'ladi, xususan, naqshni tanib olishda dastlabki ma'lumotlar ixcham, qulay shaklda taqdim etilganda oldindan ishlov berish bosqichi mavjud. Ushbu bosqich natijalari ko'pincha tan olish muammosini hal qilishdagi muvaffaqiyatni belgilaydi.

Ommabop axborotni siqish usuli 1987 yilda G. Kottrel, P. Munro, D. Zipser tomonidan taklif qilingan. Kirish va chiqish qatlamlari elementlari soni bir xil bo'lgan va yashirin qatlam elementlari soni ancha kam bo'lgan uch qavatli pertseptronni ko'rib chiqing. Faraz qilaylik, misollar bo'yicha mashg'ulotlar natijasida (o'quv namunasi vektorlari bo'yicha), perseptron, chiqishda, xuddi shu perektorning kirish qatlamiga oziqlanadigan X vektorini ko'paytirishi mumkin. Bunday perceptron avtomatik ravishda ma'lumotni siqib chiqaradi: yashirin qatlam elementlarida har bir vektorning namoyishi paydo bo'ladi, bu kirish uchun berilgan vektor uzunligidan ancha qisqa. Keling, ma'lum bir vektorlar to'plamini aloqa liniyasi orqali uzatishni, oldindan ma'lumotni siqishni va shu bilan uni uzatish uchun zarur bo'lgan kanallar sonini kamaytirishni talab qilaylik. Perseptronning kirish va yashirin qatlamlarini chiziqning bir uchiga joylashtiramiz va yashirin qatlam elementlari (qisqa vektorlar) ishlashining natijasi aloqa liniyasi orqali uzatiladi. Chiziqning boshqa uchida yashirin qatlam va chiqish qatlamining nusxasini joylashtiring, keyin yashirin qatlam elementlaridan uzatilgan qisqa vektor chiqish qatlami elementlariga o'tadi, u erda asl vektor ko'paytiriladi (dekompressiya).

3. 
   Xulosa
   

Sun'iy neyron tarmoq modeli mavzusini mustaqil o’rgana turib manda juda kotta qiziqishlar va savollar yanada ko’paydi. Bu ilmiy izlanishlar faning anchayin kotta yutuqlaridan biri ekanligiga shubxa yo’q. Neyronlar, albbata suniy lekin bu insoni birlamchi extiyojlarini qondirish uchun hizat qilishi bo’lgan robitlar haqida kelajak tasavurini yanada ortirib yuboradi. O’zi robit degandi insonni ko’z oldiga huddi kinolardagidek robitlar keladi aslida unday emas ekan. Robitlar turli hil ko’rinishga ega bo’ladi. Bizni harkuni erta bilan turib qaraydigan soatimiz ham eng oddiy eng sodda robitga misol bola olarkan. Biz tushunchaga ega bo’lgan sun’iy neyronlarni biz robitlarga yozsak insonlar uchun hizmat qiladigan robitlar vujudga kelishi ajoyib. Lekin bu bizni insoniyat oldidagi yanada koplab savollar tug’diradi.

FARG’ONA2022