6-laboratoriya ishi mavzu: Chuqur o‘rganish (4 soat). Laboratoriya ishining maqsadi va vazifalari

2. Recurrent Neural Network 
Recurrent Neural Network(RNN) qatlamning chiqishini saqlaydi va qatlam natijasini yaxshiroq bashorat qilish uchun ushbu chiqishni kirishga qaytaradi. RNN ning birinchi qatlami oldinga FNN ga juda o'xshaydi va RNN birinchi qatlamning chiqishi hisoblangandan so'ng boshlanadi. Ushbu qatlamdan so'ng, har bir birlik oldingi bosqichdagi ba'zi ma'lumotlarni eslab qoladi, shuning uchun u hisob-kitoblarni bajarishda xotira katagi sifatida ishlaydi. 
3. Convolutional Neural Network 
Convolutional Neural Network(CNN) FNN bilan o'xshashliklarga ega, bu yerda birliklar orasidagi ulanishlar bir birlikning boshqa birlikka ta'sirini aniqlaydigan og'irliklarga ega. Ammo CNN bir yoki bir nechta konvolyutsion qatlamlarga ega bo'lib, ular kirishda konvolyutsiya operatsiyasidan foydalanadilar va keyin chiqish shaklida olingan natijani keyingi qatlamga o'tkazadilar. CNN nutq va tasvirni qayta ishlash bo'yicha ilovalarga ega, bu ayniqsa kompyuterni ko'rish(Computer vision)da foydalidir. 
4. Modulli neyron tarmoq
Modulli neyron tarmog'i turli neyron tarmoqlar to'plamini o'z ichiga oladi, ular o'rtasida o'zaro ta'sir qilmasdan chiqishni olish uchun mustaqil ishlaydi. Turli neyron tarmoqlarning har biri boshqa tarmoqlarga nisbatan noyob kirishlarni olish orqali boshqa kichik vazifani bajaradi. Ushbu modulli neyron tarmog'ining afzalligi shundaki, u katta va murakkab hisoblash jarayonini kichikroq komponentlarga ajratadi va shu bilan uning murakkabligini kamaytiradi, shu bilan birga kerakli natijani oladi. 
5. Radial asosli funksiya Neyron tarmoq 
Radial asosli funktsiyalar nuqtaning markazga nisbatan masofasini hisobga oladigan funktsiyalardir. RBF funktsiyalari ikki qatlamga ega. Birinchi qatlamda kirish yashirin qatlamdagi barcha Radial asos funktsiyalariga joylashtiriladi va keyingi bosqichda chiqish qatlami chiqishni hisoblaydi. Radial funktsiya tarmoqlari odatda har qanday asosiy tendentsiya yoki funktsiyani ifodalovchi ma'lumotlarni modellashtirish uchun ishlatiladi.