1. Sun'iy intellektning asosiy tushuncha va ta'riflari, sun'iy intellekt sohasidagi tadqiqot yo'nalishlari, qanday tizimlar intellektual tizimlar toifasiga kiradi

38.Chalkash neyron tarmoqlari (SNS, CNN)
Ma'lumotlarni qayta ishlash va tasniflash uchun ishlatiladigan modellarni tashkil etishda foydalaniladigan neyron tarmoqlari turiga "chalkash" (transfer learning) deyiladi. Chalkashda, o'rtadagi pre-tarbitlangan (pre-trained) modeldan foydalanib, uni boshqa vazifalar uchun moslashtirish mumkin.

Chalkash quyidagi asosiy bosqichlarda o'tkaziladi:

1. **Tarbitlash (Pre-training):** O'rtadagi pre-tarbitlangan model biror yirik datalar to'plamida o'rganiladi (masalan, millyonlar tasvirlar) va umuman mahsulotni tan olish, tan olish, yoki boshqa vazifalar uchun moslashtiriladi.

2. **Chalkash (Transfer Learning):** Moslashtirilgan modelni boshqa maqsadlar uchun qo'llash. Chalkashda, moslashtirilgan model o'zgaruvchanlarni o'rganishi uchun yorqinlikni yaxshilash orqali moslashtiriladi. Yangi vazifalar uchun boshqa model qisqa vaqt ichida o'rganiladi.

Chalkash uchun quyidagi neyron tarmoqlari keng qo'llaniladi:

1. **Inception (GoogLeNet):** Bu tarmoq tasvirni aniqlash, tasniflash, va boshqa amaliyotlarda yuqori natijalarga erishishda muvaffaqiyatli bo'lishi bilan mashhur. Bu tarmoq GoogLeNet kompaniyasining Inception tarmoqining kelib chiqqan modeli asosida tuzilgan.

2. **ResNet (Residual Network):** ResNet, tasniflash, obyekt aniqlash, va boshqa amaliyotlarda yuqori natijalarga erishishda ishlatiladi. Bu tarmoq tarmoqni chuqur tuzish va gradientlarni o'tkazishda muvaffaqiyatli.

3. **VGG (Visual Geometry Group):** VGG modeli tasvirni tasniflashda yaxshi ishlash uchun mashhur bo'lib, bir nechta convolutions (svertka) va fully connected (to'liq aloqador) qatlamdan iborat.

Chalkash tarmoqlari boshqa vazifalarni o'rganishda va tasniflashda yaxshi natijalarga erishishda yordam beradi. Masalan, agar sizning vazifangiz tasniflash bo'lsa, pre-tarbitlangan tarmoqni tasvirni tasniflash uchun ishlatishingiz mumkin. Bu jarayon sizning o'zingizning ma'lumotlar to'plamingizda yetarli ma'lumotlaringiz bo'lmagan holatda ham yuqori natijalarga erishish uchun yordam beradi.