Amaliy matematika” fakulteti “60610300 – Axborot xavfsizligi
Download 0.51 Mb. Pdf ko'rish
|
1 mustaqil ish sun\'iy
LSTM
Uzoq qisqa muddatli xotira (LSTM) tarmoqlari 1997 yilda Hochreiter va Schmidhuber tomonidan ixtiro qilingan va bir nechta ilovalar domenlarida aniqlik rekordlarini o'rnatgan. Taxminan 2007 yilda LSTM nutqni aniqlashda inqilob qila boshladi va ma'lum nutq ilovalaridagi an'anaviy modellardan ustun keldi. 2009-yilda Connectionist Temporal Classification (CTC) tomonidan oʻqitilgan LSTM tarmogʻi ulangan qoʻl yozuvini tanib olish boʻyicha bir nechta tanlovlarda gʻolib chiqqanida naqshni aniqlash tanlovlarida gʻolib chiqqan birinchi RNN boʻldi . 2014-yilda Xitoyning Baidu kompaniyasi 2S09 Switchboard Hub5'00 nutqni aniqlash maʼlumotlar toʻplamini hech qanday anʼanaviy nutqni qayta ishlash usullaridan foydalanmasdan sindirish uchun CTC tomonidan oʻqitilgan RNN’lardan foydalangan. LSTM shuningdek, katta lug'atli nutqni aniqlash va matndan nutqqa sintezni yaxshiladi va Google Androidda qo'llanildi . 2015-yilda Google-ning nutqni tanib olishi CTC tomonidan oʻqitilgan LSTM orqali 49% ga keskin oʻsishni boshdan kechirdi Uzoq qisqa muddatli xotira (LSTM) - bu gradient yo'qolishi muammosining oldini oladigan chuqur o'rganish tizimi . LSTM odatda "unutish darvozalari" deb nomlangan takrorlanuvchi eshiklar bilan to'ldiriladi. LSTM orqaga tarqaladigan xatolarning yo'qolishi yoki portlashining oldini oladi. Buning oʻrniga, xatolar kosmosda ochilgan cheksiz sonli virtual qatlamlar orqali orqaga oqib ketishi mumkin. Ya'ni, LSTM minglab yoki hatto millionlab diskret vaqt qadamlari oldin sodir bo'lgan voqealar xotirasini talab qiladigan vazifalarni o'rganishi mumkin . Muammoga xos LSTMga o'xshash topologiyalar ishlab chiqilishi mumkin. LSTM hatto muhim voqealar oʻrtasidagi uzoq kechikishlarda ham ishlaydi va past va yuqori chastotali komponentlarni aralashtiruvchi signallarni boshqarishi mumkin.Ko'pgina ilovalar LSTM RNN steklaridan foydalanadi va ularni Connectionist Temporal Classification (CTC) bo'yicha o'qitadi , bu esa mos keladigan kirish ketma-ketliklarini hisobga olgan holda o'quv to'plamidagi yorliqlar ketma-ketligi ehtimolini maksimal darajada oshiradigan RNN vazn matritsasi topadi. CTC ham moslashishga, ham tanib olishga erishadi. LSTM yashirin Markov modellari (HMM) va shunga o'xshash tushunchalarga asoslangan oldingi modellardan farqli o'laroq, kontekstga sezgir tillarni tanib olishni o'rganishi mumkin . 7-rasm.Uzoq qisqa muddatli xotira birligi 3. Recurrent neyron tarmoqlari (RNN) - vaqt seriyasi ma'lumotlari, audio signallar yoki matn ma'lumotlari kabi o'zgaruvchan uzunlikdagi ketma-ket ma'lumotlarni qayta ishlay oladigan neyron tarmoqlar. Ular har bir bosqichda yangilanadigan va keyingi bosqich uchun kirish sifatida tarmoqqa qaytariladigan yashirin holatni saqlab qolish orqali maʼlumotlarning vaqtinchalik bogʻliqliklarini qoʻlga kiritish uchun moʻljallangan. 8-rasm.RNN RNN ning asosiy arxitekturasi kirish qatlami, yashirin qatlam va chiqish qatlamidan iborat. Har bir bosqichda kirish avvalgi yashirin holat bilan birga tarmoqqa kiritiladi. Tarmoq kirish va oldingi yashirin holat asosida yangi yashirin holatni hisoblab chiqadi, bu esa keyingi bosqich uchun kirish sifatida ishlatiladi. Har bir qadamdagi chiqish joriy yashirin holatdan hisoblanadi.Biroq, asosiy RNNlar yo'qolib borayotgan gradient muammosidan aziyat chekmoqda, bu esa xatolarni tarqatish va uzoq muddatli bog'liqliklarni o'rganishni qiyinlashtiradi. Ushbu muammoni hal qilish uchun RNN arxitekturasining bir nechta variantlari taklif qilingan, jumladan, Uzoq qisqa muddatli xotira (LSTM) tarmoqlari va Gated Recurrent Units (GRUs).LSTM tarmoqlari maxfiy holatdan ma'lumotni tanlab o'qish, yozish va unutish uchun xotira xujayralari va eshiklardan foydalanadi, bu esa tarmoqqa uzoq muddatli bog'liqliklarni yanada samaraliroq tutish imkonini beradi. GRU’lar LSTM tarmoqlarining soddalashtirilgan versiyasi bo‘lib, ular o‘xshash natijalarga erishish uchun kamroq parametrlardan foydalanadi. Download 0.51 Mb. Do'stlaringiz bilan baham: |
Ma'lumotlar bazasi mualliflik huquqi bilan himoyalangan ©fayllar.org 2024
ma'muriyatiga murojaat qiling
ma'muriyatiga murojaat qiling