6-amaliy ishi. Sigmoid faollashtirish funksiyasi va umumiylashtirilgan delta qoidasi

5-qadamTsiklning yopilishi yoqilganq.
6-qadamTakrorlash qadamlar 
2–5 zarur miqdori 
bir marta.
Algoritmning 2-bosqichidagi Xq va Dq o'rgatish misollarining vektorlari odatda 
birinchisidan oxirgisigacha ketma-ket taqdim etiladi, ya'ni q = 1, 2, . . ., Q, bu erda 
Q - misollarning umumiy soni. Misol uchun, rus alifbosining harflarini tanib olish 
holatida Q = 33. Perseptronning og'irlik koeffitsientlari har bir o'quv misoli uchun 
moslashtirilgandan so'ng, ya'ni 2-4 bosqichlar 33 marta takrorlanadi, algoritmning 
6-bosqichida o'rtacha kvadrat xatosi hisoblab chiqiladi, barcha o'qitish misollari 
bo'yicha o'rtacha hisoblanadi:

---

Q M
e =vut
(di−yi) . 
(4,41)
q=1 i=1
O'rtacha kvadrat xatosidan tashqari, perseptronning istalgan va bashorat qilingan 
(perseptron hisoblagan) natijalari o'rtasidagi maksimal farqni ham baholash 
mumkin:
; i= 1, 2, . . ., M; 
q= 1, 2, . . ., Q. 
(4,42)
6-bosqichda belgilangan takroriy jarayon (4.40) yoki (4.42) formulalar boʻyicha 
hisoblangan e xatosi belgilangan qiymatga yetgandan soʻng yoki oʻrganish 
davrlarining chegaraviy soniga yetgandan soʻng tugaydi. Natijada perseptron 
istalgan kirish vektori Xq ning kerakli Dq vektoridan biroz kichik miqdor bilan farq 
qiluvchi Y q chiqish vektoriga kerakli xaritalashni bajarishni o'rganadi.
Endi 
tasavvur 
qilaylik, 
boshqa 
shriftdagi 
qandaydir 
harfli 
karta 
fotoelementlarning kirish paneliga tushgan. Fotoelementlar o'quv misollari 
to'plamidagi vektorlarning hech biriga mos kelmaydigan X kirish vektorini hosil 
qiladi. Agar kirish harfining shrifti o'quv majmuasi misollari shriftidan unchalik farq 
qilmasa va perseptron yaxshi ishlab chiqilgan va o'qitilgan bo'lsa, u holda Y 
vektorini hisoblab chiqadi, unda neyronning chiqishi harfga mos keladi. kirishda 
taqdim etilgan maksimal qiymatga ega bo'ladi. Shunday qilib, perseptron, kirish 
tasvirining shovqini va buzilishiga qaramay, uning ma'lum bir sinfga tegishliligi 
haqida to'g'ri xulosa chiqaradi. Perseptronning o'quv misollari to'plamida bo'lmagan 
tasvirlarni "tanib olish" xususiyati umumlashtirish xususiyati deb ataladi. Yuqorida 
aytib o'tilganidek, bu mulk
Keling, xulosa qilaylik tadqiqot natijalari o'rganish algoritmlari 
asabiy
tarmoqlar.
Birinchi algoritm Hebb qoidalari bo'lib, bosqichma-bosqich faollashtirish 
funktsiyalariga ega bo'lgan neyronlar bilan bir qatlamli perseptronni o'rgatish uchun 
mo'ljallangan. Keyin zarur neyron chiqishi di va uning haqiqiy qiymati yi o'rtasidagi 
farq sifatida neyron xato tushunchasi kiritildi. Natijada, Hebb qoidalaridan 

---

foydalangan holda perseptronni o'rganish algoritmi delta qoidasi algoritmi sifatida 
umumlashtirildi. Delta qoidasi algoritmining iterativ formulalarida o'rganish tezligi 
koeffitsienti ē paydo bo'ldi, bu sizga iteratsion qadam hajmiga ta'sir qilish imkonini 
beradi. Keyin sigmasimon faollashuv funksiyasi taklif qilindi va perseptronning 
kvadratik o'rganish xatosi tushunchasi kiritildi. Natijada, gradient tushish usulini 
amalga oshiradigan va nafaqat ikkilik, balki uzluksiz signallar bilan ishlashga imkon 
beruvchi umumlashtirilgan delta qoidasi paydo bo'ldi.