1 Suniy neyron turlari

1Savol neyron to’rli klasterlash usullari
KLASTER TAHLILI
Axborotni tahlil qilishda bir hil yoki o'xshash ma'lumotlarni shakllantirishning umumiy tamoyillarini aniqlash muhim o'rinni egallaydi. Ushbu tamoyillarga muvofiq, barcha ma'lumotlar
turli guruhlar sifatida ifodalanishi mumkin. Keyinchalik qismni o'rganish asosida
bir guruhdan olingan ma'lumotlar, butun ma'lumotlar guruhi haqida xulosa chiqarish mumkin. Bunday jarayon
ma'lumotlarni tahlil qilish klaster ma'lumotlar tahlili deb ataladi. Tabiiyki, engillashtirish uchun
klaster tahlili bu jarayonni avtomatlashtirishni talab qiladi. Klaster tahlilini umumiy ma'noda qo'llash quyidagi bosqichlarga qisqartiriladi.
1. Klasterlash uchun obyektlar namunasini tanlash.
2. Ob'ektlar baholanadigan o'zgaruvchilar to'plamini aniqlash
namuna.
3. Ob'ektlar orasidagi o'xshashlik o'lchovi qiymatini hisoblash.
4. O'xshash ob'ektlar guruhlarini yaratish uchun klasterli tahlil usulini qo'llash.
5. Tahlil natijalarini taqdim etish.
Natijalarni qabul qilgandan va tahlil qilgandan so'ng, tanlangan ko'rsatkichni sozlash mumkin va
optimal natijaga erishilgunga qadar klasterlash usuli.
Ob'ektlarni o'xshash xususiyatlarga ko'ra alohida klasterga birlashtirish uchun ularning qanchalik o'xshashligini aniqlash kerak. Ushbu muammoni hal qilish uchun biz tanishtiramiz
yaqinlik o'lchovi yoki masofa funktsiyasi tushunchasi. Bir nechta yaqinlik choralari mavjud, ammo
eng asosiylari Evklid masofasi, Evklid masofasining kvadrati, Manxetten masofasi, Chebishev masofasi va Minkovski masofasi. Bu masofalar ob'ektlarni n o'lchovli fazoda nuqta sifatida ko'rsatish mumkin bo'lganda qo'llaniladi. DA
Bunday tasvirlash mumkin bo'lmagan hollarda metrik 𝐼 - Pearson korrelyatsiya koeffitsienti qo'llaniladi.
2 savol Avtoassosativ to’rlar
Assotsiativ tarmoqlar naqshni aniqlash uchun mo'ljallangan. Ushbu turdagi tarmoqlarning ishlashi inson xotirasining tavsifi yoki qismiga ko'ra, ilgari yodlash uchun taqdim etilgan har qanday tasvirni assotsiativ ravishda takrorlash qobiliyatiga asoslanadi. Assotsiativ tarmoqlarning ikki turi mavjud - geteroassotsiativ va avtoassotsiativ.
Avtoassotsiativ tarmoqlar
O'lchamlarni kamaytirishga juda umumiy yondashuv chiziqli bo'lmagan avto-assotsiativ tarmoqlardan foydalanishdir. Umuman olganda, ular neyronlarning kamida uchta yashirin qatlamini o'z ichiga olishi kerak. O'rta qatlam - bu darboğaz, o'qitish natijasida u ma'lumotlarning siqilgan tasvirini ishlab chiqaradi. Birinchi yashirin qatlam ixtiyoriy chiziqli bo'lmagan kodlashni amalga oshirish uchun kerak, oxirgisi esa mos keladigan dekoderni topish uchun kerak.

Avtoassotsiativ tarmoqlar yordamida o'lchamlarni kamaytirish. Tarmoqning kirish ma'lumotlarini qayta ishlab chiqarishdagi xatosini minimallashtirish tarmoqning bo'g'ozida optimal kodlash bilan tengdir.
Avtoassotsiativ tarmoqlarning vazifasi, yuqorida aytib o'tilganidek, tarmoq chiqishida ularning kirish qiymatlarini takrorlashdir. Tarmoqning ikkinchi yarmi - dekoder - bu holda faqat tarmoqning darbog'idagi kodlangan ma'lumotlarga tayanadi. Ularning kodlangan ko'rinishida ma'lumotlarni qayta ishlab chiqarish sifati shartli entropiya bilan o'lchanadi. U qanchalik kichik bo'lsa, noaniqlik qanchalik kichik bo'lsa, ya'ni. yaxshiroq ijro etish. Noaniqlikni minimallashtirish kodlashning entropiyasini maksimal darajada oshirishga teng ekanligini ko'rsatish oson:
Haqiqatan ham, mexanik kodlash protsedurasi qo'shimcha noaniqlikni keltirib chiqarmaydi, shuning uchun kirishlarning qo'shma entropiyasi va ularning kodini ko'rsatish kirishlarning o'zlarining entropiyasiga teng va shuning uchun tarmoq parametrlariga bog'liq emas.
Axborotni siqish uchun bunday yondashuvning jozibador xususiyati uning umumiyligidir. Biroq, ko'plab mahalliy minimallar va mashg'ulotlarning murakkabligi uning amaliy qiymatini sezilarli darajada kamaytiradi.