Admiral s. O. Nomidagi davlat dengiz va daryo floti universiteti
Download 0.74 Mb.
|
Нейронные сети - StudentLib.ru.uz (1)
Translated from Russian to Uzbek - www.onlinedoctranslator.com DENGIZ VA DARYO TRANSPORTI FEDERAL AGENTLIGI FEDERAL DAVLAT BUDJETLI OLIY TA'LIM TA'LIM MASSASASI “ADMIRAL S.O. NOMIDAGI DAVLAT DENGIZ VA DARYO FLOTI UNIVERSITETI. MAKAROVA" Insho "Neyron tarmoqlar" Sankt-Peterburg G. Mundarija Kirish
Neyron tarmoqlarning afzalliklari Neyron modellari Neyron tarmoqlarni yo'naltirilgan grafiklar bilan ifodalash qayta aloqa Tarmoq arxitekturasi Yagona qatlamli uzatish tarmoqlari Ko'p qatlamli uzatish tarmoqlari Takroriy tarmoqlar Bilim vakili Sun'iy intellekt va neyron tarmoqlar Xulosa Kirish
Neyron tarmoqlar, aniqrogʻi, sunʼiy neyron tarmoqlari koʻplab fanlarga: neyrofiziologiya, matematika, statistika, fizika, informatika va muhandislikka asoslangan texnologiyadir. Ular modellashtirish, vaqt seriyasini tahlil qilish, naqshni aniqlash, signalni qayta ishlash va boshqarish kabi turli xil sohalarda qo'llanilishini bitta muhim xususiyat - o'qituvchining aralashuvisiz yoki ishtirokisiz ma'lumotlardan o'rganish qobiliyati tufayli topadi.
Neyron tarmoq - bu eksperimental bilimlarni to'playdigan va ularni keyingi qayta ishlash uchun ta'minlaydigan elementar axborotni qayta ishlash birliklaridan tashkil topgan ulkan taqsimlangan parallel protsessor. Neyron tarmoq ikki jihatdan miyaga o'xshaydi. Bilim neyron tarmoqqa atrof-muhitdan kiradi va o'quv jarayonida foydalaniladi. Bilimlarni to'plash uchun sinaptik og'irliklar deb ataladigan neyronlar orasidagi bog'lanishlardan foydalaniladi. O'quv jarayoni uchun qo'llaniladigan protsedura o'rganish algoritmi deb ataladi. Ushbu protsedura neyronlarning o'zaro bog'lanishi uchun zarur tuzilmani ta'minlash uchun neyron tarmoqning sinaptik og'irliklarini ma'lum bir tartibda tartibga soladi. Neyron tarmoqlarning afzalliklari Ko'rinib turibdiki, neyron tarmoqlar o'z kuchini, birinchidan, axborotni qayta ishlashni parallellashtirishdan, ikkinchidan, o'z-o'zini o'rganish qobiliyatidan, ya'ni. umumlashtirishlarni yaratish. Umumlashtirish atamasi o'quv jarayonida uchramagan ma'lumotlar asosida oqilona natija olish qobiliyatini anglatadi. Bu xususiyatlar neyron tarmoqlarga hozirda hal qilish qiyin deb hisoblangan murakkab (katta miqyosli) muammolarni hal qilish imkonini beradi. Biroq, amalda, avtonom ishlaganda, neyron tarmoqlar tayyor echimlarni taqdim eta olmaydi. Ularni murakkab tizimlarga birlashtirish kerak. Xususan, murakkab vazifani nisbatan sodda bo'lganlar ketma-ketligiga bo'lish mumkin, ularning ba'zilari neyron tarmoqlar orqali hal qilinadi. Neyron tarmoqlardan foydalanish tizimlarning quyidagi foydali xususiyatlarini beradi. Nonlineerlik: Sun'iy neyronlar chiziqli yoki chiziqli bo'lmagan bo'lishi mumkin. Chiziqli bo'lmagan neyronlarning ulanishidan qurilgan neyron tarmoqlarning o'zi chiziqli emas. Bundan tashqari, bu chiziqli bo'lmaganlik o'ziga xosdir, chunki u tarmoq bo'ylab taqsimlanadi. Chiziqli bo'lmaganlik juda muhim xususiyatdir, ayniqsa kirish signalining shakllanishi uchun javobgar bo'lgan jismoniy mexanizm ham chiziqli bo'lmasa (masalan, inson nutqi). Chiqarishga kirishni xaritalash: Ommabop o'rganish paradigmasi nazorat ostida o'rganishdir. Bu yorliqli ta'lim misollari to'plamiga asoslangan sinaptik og'irliklarni o'zgartirishni nazarda tutadi. Har bir misol kirish signali va unga mos keladigan javobdan iborat. Ushbu to'plamdan tasodifiy bir misol tanlanadi va neyron tarmoq tanlangan statistik mezonga muvofiq kerakli chiqish signali va tarmoq tomonidan yaratilgan o'rtasidagi tafovutlarni minimallashtirish uchun sinaptik og'irliklarni o'zgartiradi. Bunday holda, bepul tarmoq parametrlari aslida o'zgartiriladi. Ilgari ishlatilgan misollar keyinroq yana qo'llanilishi mumkin, ammo boshqa tartibda. Ushbu mashg'ulot sinaptik og'irlikdagi o'zgarishlar ahamiyatsiz bo'lgunga qadar amalga oshiriladi. Shunday qilib, neyron tarmoq misollar bo'yicha o'qitiladi, Moslashuvchanlik: Neyron tarmoqlar o'zlarining sinaptik og'irliklarini atrof-muhit o'zgarishlariga moslash qobiliyatiga ega. Xususan, ma'lum bir muhitda ishlashga o'rgatilgan neyron tarmoqlarni atrof-muhit parametrlarining ozgina tebranishlari sharoitida ishlashga osonlik bilan qayta o'rgatish mumkin. Bundan tashqari, statsionar bo'lmagan muhitda ishlash uchun real vaqtda sinaptik og'irliklarni o'zgartiradigan neyron tarmoqlar yaratilishi mumkin. Tasvirlarni tasniflash, signallarni qayta ishlash va boshqarish vazifalari uchun tabiiy, neyron tarmoqlarning arxitekturasi ularning moslashish qobiliyati bilan birlashtirilishi mumkin, bu esa adaptiv tasvir tasnifi, adaptiv signalni qayta ishlash va adaptiv boshqaruv modellarini yaratishga olib keladi. Ma'lumki, tizimning moslashish qobiliyati qanchalik yuqori bo'lsa, uning statsionar bo'lmagan muhitda ishlashi shunchalik barqaror bo'ladi. Shu bilan birga, ta'kidlashni istardim moslashuvchanlik har doim ham barqarorlikka olib kelmasligi; ba'zan bu butunlay teskari natijaga olib keladi. Masalan, vaqt o'tishi bilan tez o'zgarib turadigan parametrlarga ega bo'lgan adaptiv tizim tashqi qo'zg'alishlarga ham tezda javob berishi mumkin, bu esa ishlashning yo'qolishiga olib keladi. Moslashuvchanlikdan to'liq foydalanish uchun tizimning asosiy parametrlari tashqi buzilishlarni e'tiborsiz qoldiradigan darajada barqaror va atrof-muhitning muhim o'zgarishlariga javob beradigan darajada moslashuvchan bo'lishi kerak. Bu muammo odatda barqarorlik/plastiklik dilemmasi deb ataladi. bu ishlashning yo'qolishiga olib keladi. Moslashuvchanlikdan to'liq foydalanish uchun tizimning asosiy parametrlari tashqi buzilishlarni e'tiborsiz qoldiradigan darajada barqaror va atrof-muhitning muhim o'zgarishlariga javob beradigan darajada moslashuvchan bo'lishi kerak. Bu muammo odatda barqarorlik/plastiklik dilemmasi deb ataladi. bu ishlashning yo'qolishiga olib keladi. Moslashuvchanlikdan to'liq foydalanish uchun tizimning asosiy parametrlari tashqi buzilishlarni e'tiborsiz qoldiradigan darajada barqaror va atrof-muhitning muhim o'zgarishlariga javob beradigan darajada moslashuvchan bo'lishi kerak. Bu muammo odatda barqarorlik/plastiklik dilemmasi deb ataladi. Javobning dalili: Tasvirlarni tasniflash vazifasi kontekstida ma'lum bir sinfni aniqlash uchun emas, balki qarorning ishonchliligini oshirish uchun ma'lumot to'playdigan neyron tarmoqni ishlab chiqish mumkin. Keyinchalik, bu ma'lumotlardan shubhali qarorlarni bartaraf etish uchun foydalanish mumkin, bu esa neyron tarmoqning unumdorligini oshiradi. Kontekstli ma'lumot: Bilim neyron tarmoqning o'zida uning faollashuv holati orqali ifodalanadi. Tarmoqning har bir neyroniga boshqa barcha neyronlar ta'sir qilishi mumkin. Natijada, neyron tarmog'ining mavjudligi kontekstual ma'lumotlar bilan bevosita bog'liq. Nosozlikka chidamlilik: elektronika ko'rinishidagi neyron tarmoqlar potentsial xatolarga chidamli. Bu shuni anglatadiki, noqulay sharoitlarda ularning ishlashi biroz pasayadi. Misol uchun, agar neyron yoki uning ulanishlari shikastlangan bo'lsa, saqlangan ma'lumotni olish qiyin. Biroq, neyron tarmoqdagi ma'lumotlarni saqlashning taqsimlangan xususiyatini hisobga olgan holda, neyron tarmoq strukturasiga jiddiy zarar etkazish uning ishlashiga sezilarli darajada ta'sir qiladi, deb ta'kidlash mumkin. Shuning uchun neyron tarmoq sifatining pasayishi sekin. Kichik strukturaviy shikastlanish hech qachon halokatli emas. Scalability: Neyron tarmoqlarning parallel tuzilishi ba'zi muammolarni hal qilishni tezlashtiradi va VLSI (juda keng miqyosli integratsiyalashgan) texnologiyasi doirasida neyron tarmoqlarning miqyoslanishini ta'minlaydi. VLSI texnologiyalarining afzalliklaridan biri ierarxik tuzilma yordamida juda murakkab xatti-harakatlarni ifodalash qobiliyatidir. Tahlil va dizaynning bir xilligi: Neyron tarmoqlar axborotni qayta ishlashning universal mexanizmidir. Bu shuni anglatadiki, bir xil neyron tarmoq dizayn yechimi ko'plab mavzularda qo'llanilishi mumkin. Neyrobiologik o'xshashlik: Neyrotarmoqlarning tuzilishi inson miyasiga o'xshashlik bilan belgilanadi, bu xatoga chidamli parallel hisoblash nafaqat jismonan mumkin, balki muammolarni hal qilish uchun tez va kuchli vosita ekanligining jonli isbotidir. Neyrobiologlar sun'iy neyron tarmoqlarni jismoniy hodisalarni modellashtirish vositasi sifatida ko'rishadi. Boshqa tomondan, muhandislar doimiy ravishda nevrologlardan an'anaviy elektr zanjirlaridan tashqariga chiqadigan yangi g'oyalarni olishga harakat qilishadi. Neyron modellari Neyron - bu neyron tarmoqdagi ma'lumotlarni qayta ishlash birligi. Rasmda sun'iy neyron tarmoqlari asosida joylashgan neyron modeli ko'rsatilgan. Ushbu modelning uchta asosiy elementi mavjud. Har biri o'z vazni yoki kuchi bilan tavsiflangan sinapslar yoki ulanishlar to'plami. Xususan, k neyron bilan bog'langan j sinapsning kirishidagi signal Wkj og'irligiga ko'paytiriladi. Sinaptik og'irlik Wkj indekslarini ko'rsatish tartibiga e'tibor berish kerak. Birinchi indeks ko'rib chiqilayotgan neyronga, ikkinchi indeks esa berilgan og'irlik bog'langan sinapsning kirish uchiga ishora qiladi. Miya sinapslaridan farqli o'laroq, sun'iy neyronning sinaptik og'irligi ham ijobiy, ham salbiy qiymatlarga ega bo'lishi mumkin. Adder neyronning mos keladigan sinapslariga nisbatan og'irlikdagi kirish signallarini qo'shadi. Ushbu operatsiyani chiziqli kombinatsiya sifatida tasvirlash mumkin. Faollashtirish funktsiyasi neyronning chiqish signalining amplitudasini cheklaydi. Bu funktsiya siqish funktsiyasi deb ham ataladi. Odatda, neyron chiqishi amplitudalarining normallashtirilgan diapazoni [0, 1] yoki [-1, 1] oralig'ida yotadi. Neyron tarmoqlarni yo'naltirilgan grafiklar bilan ifodalash Qutidagi diagrammalar sun'iy neyron modelini tashkil etuvchi turli elementlarning funktsional tavsifini beradi. Signal oqimi grafiklari g'oyasini qo'llash orqali modelning ko'rinishini sezilarli darajada soddalashtirish mumkin. Signal uzatish grafigi - bu alohida tugunlarni bog'laydigan yo'naltirilgan aloqalar tarmog'idir. Har bir j tugun Xj signali bilan bog'langan. Oddiy yo'nalishli bog'lanish ba'zi j tugunlaridan boshlanib, boshqa k tugunida tugaydi. U bilan ma'lum bir uzatish funksiyasi bog'langan bo'lib, u k tugunning Yk signalining j tugunining Xj signaliga bog'liqligini aniqlaydi. Signalning grafikning turli qismlaridan o'tishi uchta asosiy qoidaga bo'ysunadi. Har bir havola bo'ylab signalning yo'nalishi o'qning yo'nalishi bilan belgilanadi. Bunday holda, ikki turdagi ulanishlarni ajratish mumkin. Sinaptik ulanishlar: Ularning xatti-harakatlari chiziqli kirish / chiqish munosabati bilan belgilanadi. Ya'ni, Xj tugun signali Wkj sinaptik og'irligiga ko'paytiriladi, natijada Yk tugun signali hosil bo'ladi. Faollashtirish ulanishlari: Ularning xatti-harakatlari chiziqli bo'lmagan kirish / chiqish munosabati bilan belgilanadi. Tugunning signali uning kirishiga keladigan signallarning algebraik yig'indisiga teng. Ushbu tugunning signali chiquvchi havolalarning uzatish funktsiyalarini hisobga olmagan holda har bir chiquvchi havolada uzatiladi. Neyron modeli sifatida signal oqimi grafigini olib, biz neyron tarmoqning boshqa ta'rifini shakllantirishimiz mumkin. Neyron tarmoq sinaptik va aktivatsiya ulanishlari bilan bog'langan tugunlardan tashkil topgan yo'naltirilgan grafik bo'lib, u quyidagi to'rtta xususiyat bilan tavsiflanadi. Har bir neyron chiziqli sinaptik ulanishlar to'plami, tashqi chegara va, ehtimol, chiziqli bo'lmagan faollashuv aloqasi bilan ifodalanadi. Kirish sinaptik ulanishi bilan ifodalangan chegara +1 deb hisoblanadi. Neyronning sinaptik ulanishlari tegishli kirishlarni tortish uchun ishlatiladi. Kirish signallarining vaznli yig'indisi har bir neyronning induktsiyalangan mahalliy maydonini aniqlaydi. Faollashtirish ulanishlari neyronning induktsiyalangan mahalliy maydonini o'zgartirib, chiqish signalini yaratadi. Qayta aloqa Teskari aloqa (teskari aloqa) tushunchasi tizimning ayrim elementining chiqish signali ushbu elementning kirish signaliga ta'sir qiladigan dinamik tizimlar uchun xosdir. Shunday qilib, ba'zi tashqi signallar tizim ichida aylanib yuradigan signallar bilan kuchaytiriladi. Darhaqiqat, teskari aloqa deyarli har qanday hayvonning asab tizimida mavjud. Bundan tashqari, u takroriy deb ataladigan neyron tarmoqlarning maxsus sinfini o'rganishda muhim rol o'ynaydi. Tarmoq arxitekturasi Umuman olganda, neyron tarmoqlari arxitekturasining uchta asosiy klassi mavjud. Yagona qatlamli uzatish tarmoqlari Ko'p qatlamli neyron tarmog'ida neyronlar qatlamlarda joylashgan. Eng oddiy holatda, bunday tarmoqda manba tugunlarining kirish qatlami mavjud bo'lib, undan ma'lumot neyronlarning chiqish qatlamiga uzatiladi, lekin aksincha emas. Bunday tarmoq oldinga uzatiladigan tarmoq yoki asiklik tarmoq deb ataladi. Rasmda har bir qatlamdagi to'rtta tugun holati uchun bunday tarmoqning tuzilishi ko'rsatilgan. Bunday neyron tarmoq bir qavatli deb ataladi, bir qatlam esa hisoblash elementlari qatlamini bildiradi. Ko'p qatlamli uzatish tarmoqlari Oldinga uzatiladigan neyron tarmoqlarning yana bir sinfi bir yoki bir nechta yashirin qatlamlarning mavjudligi bilan tavsiflanadi, ularning tugunlari yashirin neyronlar deb ataladi. Ikkinchisining vazifasi tashqi kirish signali va neyron tarmog'ining chiqishi o'rtasida vositachilik qilishdir. Bir yoki bir nechta yashirin qatlamlarni qo'shish orqali biz yuqori darajadagi statistikani olishimiz mumkin. Bunday tarmoq qo'shimcha sinaptik ulanishlar mavjudligi va neyronlar o'rtasidagi o'zaro ta'sir darajasining oshishi tufayli mahalliy ulanishlar yordamida ma'lumotlarning global xususiyatlarini ajratib ko'rsatish imkonini beradi. Yashirin neyronlarning yuqori tartibli statistik bog'liqliklarni ajratib olish qobiliyati, ayniqsa, kirish qatlamining o'lchami etarlicha katta bo'lganda muhimdir. Takroriy tarmoqlar Takroriy neyron tarmog'i oldinga uzatiladigan tarmoqdan kamida bitta fikr-mulohazaga ega bo'lishi bilan farq qiladi. Misol uchun, takroriy tarmoq neyronlarning bir qatlamidan iborat bo'lishi mumkin, ularning har biri o'z chiqish signalini qatlamdagi boshqa barcha neyronlarning kirishlariga yuboradi. Raqamlarda ko'rsatilgan tarmoqlarda teskari aloqa mavjudligi bunday tarmoqlarning o'rganish qobiliyatiga va ularning ishlashiga bevosita ta'sir qiladi. Bundan tashqari, fikr-mulohaza birlik kechikish elementlaridan foydalanishni nazarda tutadi (z~l bilan belgilanadi), bu chiziqli bo'lmagan dinamik xatti-harakatlarga olib keladi, agar tarmoqda, albatta, chiziqli bo'lmagan neyronlar mavjud bo'lsa. Bilim vakili Bilim deganda tashqi hodisalarni sharhlash, bashorat qilish va javob berish uchun shaxs yoki mashina tomonidan foydalaniladigan saqlangan ma'lumotlar yoki modellar tushuniladi. Dunyo haqidagi bilimlar ikki xil ma'lumotni o'z ichiga oladi. Mavjud ishonchli faktlar bilan ifodalangan atrofdagi dunyoning ma'lum holati. Bunday ma'lumotlar apriori deb ataladi. Atrofdagi dunyoni kuzatishlar ushbu neyron tarmoq ishlashi kerak bo'lgan muayyan sharoitlarga moslashtirilgan sensorlar yordamida olingan. Misollar etiketli yoki etiketsiz bo'lishi mumkin. Belgilangan misollarda kirish signali kerakli javobga mos keladi. Belgilanmagan misollar bir xil kirish signalining bir nechta turli ilovalaridan iborat. Qanday bo'lmasin, yorliqli yoki yo'q bo'lgan misollar to'plami, neyron tarmog'i o'qitiladigan qiziqish sohasi haqidagi bilimlarni ifodalaydi. Neyron tarmoqda bilimlarni ifodalash masalasi juda murakkab. Biroq, to'rtta umumiy qoidalarni ajratib ko'rsatish mumkin. Shunga o'xshash sinflarning o'xshash kirishlari neyron tarmog'ida yagona vakillikni tashkil qilishi kerak. Shu asosda ular bir xil toifaga tegishli deb tasniflanishi kerak. Turli sinflarga tayinlangan elementlar Internetda iloji boricha har xil ko'rinishga ega bo'lishi kerak. Bu qoida birinchisiga mutlaqo ziddir. Agar ma'lum bir xususiyat muhim bo'lsa, uni tarmoqda ifodalash uchun ko'p sonli neyronlardan foydalanish kerak. Tarmoq arxitekturasini va uni o'qitish jarayonini soddalashtiradigan neyron tarmoq tuzilishiga apriori ma'lumotlar va o'zgarmaslar kiritilishi kerak. Ushbu qoida alohida rol o'ynaydi, chunki tarmoqning to'g'ri konfiguratsiyasi uning ixtisoslashuvini ta'minlaydi. Ixtisoslashgan tuzilishga ega bo'lgan neyron tarmog'i odatda juda kam sonli bepul parametrlarni o'z ichiga oladi. Shu bilan birga, mashg'ulotlarga kamroq vaqt sarflanadi va bunday tarmoq yaxshiroq umumlashtirish va o'tkazish qobiliyatiga ega va ularni yaratish xarajatlari kamayadi. Neyron tarmog'ining tuzilishiga apriori ma'lumotni joylashtirish uchun siz quyidagi ikkita texnikaning kombinatsiyasidan foydalanishingiz mumkin: Retseptor maydonlari deb ataladigan mahalliy ulanishlar bilan tarmoq arxitekturasini cheklash, Og'irliklarni almashish orqali sinaptik og'irliklarni tanlashni cheklash. Ushbu turdagi hodisalarni hisobga oladigan ob'ektni, nutqni yoki aksolokatsiyani tanib olish tizimini yaratish uchun kuzatilayotgan signalning o'zgarishlar doirasini hisobga olish kerak. Shunga ko'ra, naqshni aniqlashning asosiy talabi bu transformatsiyalarga o'zgarmas bo'lgan klassifikatorni yaratishdir. Tasniflash neyron tarmog'ining bunday transformatsiyalarga o'zgarmasligini ta'minlashning kamida uchta usuli mavjud. Strukturaviy o'zgarmaslik: tarmoqdagi individual neyronlar o'rtasidagi sinaptik ulanishlar bir xil signalning o'zgartirilgan versiyalari bir xil chiqish signalini ishlab chiqaradigan tarzda qurilgan. O'rganish o'zgarmasligi: tarmoq bir xil ob'ektning ko'plab misollari bo'yicha o'qitiladi, har bir misolda ob'ekt biroz o'zgartirilgan shaklda (masalan, turli burchaklardagi tasvirlar) taqdim etiladi. Agar bunday misollar soni etarlicha ko'p bo'lsa va neyron tarmoq ob'ektga turli nuqtai nazarlarni ajratishga o'rgatilgan bo'lsa, biz bu ma'lumotlar umumlashtirilishini va tarmoq ob'ektning ko'rinishini taniy olishini kutishimiz mumkin. mashg'ulotlarda foydalanilmaydi. Invariant xususiyatlardan foydalanish: Bu usul ma'lumotlar to'plamidagi eng muhim ma'lumotlarni tavsiflovchi va kirish signalining o'zgarishiga o'zgarmas bo'lgan kirish signalidan informatsion xususiyatlarni olish mumkin degan taxminga asoslanadi. Sun'iy intellekt va neyron tarmoqlar Sun'iy intellektning asosiy vazifasi inson miyasiga xos bo'lgan kognitiv muammolarni kompyuterda hal qilishni ta'minlaydigan paradigmalar yoki algoritmlarni ishlab chiqishdir. Sun'iy intellekt tizimlari quyidagi uchta vazifani hal qilishni ta'minlashi kerak: bilimlarni to'plash, to'plangan bilimlarni muammoni hal qilish uchun qo'llash va tajribadan bilim olish. Sun'iy intellekt tizimlari uchta asosiy funktsiyani amalga oshiradi: Vakillik: Sun'iy intellekt tizimlarining ajralib turadigan xususiyatlaridan biri bu mavzu bo'yicha umumiy bilimlarni va muammoni hal qilish bo'yicha maxsus bilimlarni ifodalash uchun ramziy tildan foydalanishdir. Mulohaza yuritish: Mulohaza yuritish odatda muammolarni hal qilish qobiliyatini anglatadi. Tizimni aqlli deb atash uchun u keng ko'lamli vazifalarni tavsiflashi va hal qilishi, aniq va yashirin ma'lumotlarni tushunishi, alohida vazifalarni hal qilish uchun bajariladigan operatsiyalarni belgilaydigan boshqaruv mexanizmiga ega bo'lishi kerak. Trening: Mashinani o'rganishning eng oddiy modelida atrof-muhitning o'zi o'qitiladigan element uchun ma'lumot beradi. O'quv elementi olingan ma'lumotlardan bilimlar bazasini yangilash uchun foydalanadi, funktsional element keyinchalik vazifani bajarish uchun foydalanadigan bilim. sun'iy intellekt neyron tarmog'i Xulosa
Sun'iy intellektning ramziy modellari algoritm tilidan foydalanishga va yuqoridan pastga qarab ma'lumotlarni taqdim etishga asoslangan rasmiy tizimlardir, neyron tarmoqlar esa pastdan yuqoriga qarab o'rganish va ishlashning tabiiy qobiliyatiga ega parallel taqsimlangan protsessorlardir. Shuning uchun kognitiv muammolarni hal qilishda har ikkala yondashuvni birlashtirgan munosabatlar yoki gibrid tizimlar asosida tuzilgan modellarni yaratish maqsadga muvofiqdir. Bu neyron tarmoqlarga xos bo'lgan moslashuvchanlik, mustahkamlik va bir xillik xususiyatlarini sun'iy intellekt tizimlarining tasavvurlari, xulosalari va universalligi bilan birlashtiradi. Ushbu natijalar nafaqat neyron tarmoqlarni aqlli mashinalar bilan integratsiya qilish imkonini beradi, balki quyidagi muammolarni hal qiladi: dasturiy ta'minot tizimlarida neyron tarmoq komponentlarini tekshirish, neyron tarmoqning umumlashtirish qobiliyatini yaxshilash, shuningdek, umumlashtirish mumkin bo'lmagan sharoitlarni aniqlash; kirish ma'lumotlari to'plamiga yashirin bog'liqliklarni aniqlash, aqlli mashinalarni ishlab chiqishda ramziy va aloqador yondashuvlarning integratsiyasi va ular uchun tizimlarning xavfsizligi. Neyron tarmoqlarning predmeti ko'plab fanlar chorrahasida joylashgan. Uning ildizlari nevrologiya, matematika, statistika, fizika, informatika va muhandislik sohalarida. Buni ushbu kitobda muhokama qilingan masalalarning xilma-xilligidan ko'rish mumkin. Neyron tarmoqlarning o'qituvchi yordamisiz yoki yordamisiz ma'lumotlardan o'rganish qobiliyati ularga muhim xususiyatni beradi. Ushbu o'rganish xususiyati muhim nazariy va amaliy ilovalarga ega bo'lib, ularni modellashtirish, vaqt seriyasini tahlil qilish, naqshni aniqlash, signalni qayta ishlash va boshqarish kabi turli xil ilovalarda bebaho vositaga aylantirdi. (Simon Xaykin neyron tarmoqlari to'liq kursi 2006) Download 0.74 Mb. Do'stlaringiz bilan baham: |
ma'muriyatiga murojaat qiling