Avob bering 1

avob bering 1:

Boshqalar taqdim etgan yaxshi ro'yxatga yana bir nechta narsalarni qo'shaman. Quyidagi ko'p sohalarda ANN-larda izlanishlar olib borilmoqda, ammo men bilgan ma'lumotlarga ko'ra ANNlarning aksariyati inson miyalarida mavjud bo'lgan bu tushunchalarni o'z ichiga olmaydi:

1. 
   Miyada kamida 8 turdagi neyronlar mavjud va bu neyronlar tuzilishi jihatidan turlicha. ANN odatda neyronning bir turiga asoslangan.
   
2. 
   Miya miyaning o'zi bilan, tanasi bilan va tananing miya bilan aloqasi uchun kimyoviy yo'llarni o'z ichiga oladi. Bunga oksitotsin, noradrenalin, serotonin, dopamin va boshqalar kiradi. Bu xotira, ishlov berish, o'rganish va boshqa ko'plab tadbirlarni amalga oshiradi.
   
3. 
   Miya asosan asinxron ishlaydi, ANN esa sinxronlashtiriladi. Ushbu sinxron / asenkron farq bir necha sohalarda uchraydi.
   
4. 
   Spiking: ANNlarda bitta qiymat, masalan, 8 bitli yoki 32 bitli raqam qo'shni neyronga beriladi. Miyada elektr shpatlari oqimi neyrondan qo'shnilariga yuboriladi. Vaqt o'tishi bilan bu shpiklarning tarqalishi biologik neyronlar kirish xabarlari to'liq qabul qilinishidan oldin ularning chiqishlariga javob berishni boshlashi mumkin. Bu shuni anglatadiki, neyronlar to'plamlari egilishga o'xshash (kvant qo'shimchalari kabi emas) yoki ANN kamroq uchraydigan paydo bo'lgan xatti-harakatlarni namoyish qilishi mumkin.
   
5. 
   Miyalarda qo'zg'alish to'lqinlari miyaning katta mintaqalarida ~ 12–40 Gts atrofida aylanadi. O'ylashimcha, olimlar bu to'lqinlarning funktsiyalarini qisman tushunishadi va ular matematik operatsiyalarni ketma-ket o'tkazadigan kompyuter protsessoridagi tashqi soatdan farqli o'laroq, tashqi tomondan boshqariladigan xatti-harakatlar emas, balki paydo bo'lgan xatti-harakatlardir. Ushbu to'lqin harakati ANNlarda kuzatilmaydi. Hatto bir piyola ichidagi odam pluripotent ildiz hujayralaridan o'sadigan no'xat o'lchamidagi bir to'plam miya hujayralarida ham ushbu sekin tezlikda to'lqin harakatlarini namoyish etgan. Bu juda aldamchi.
   
6. 
   Glia. Biologik miyalarda neyronlar bir-biri bilan aksonlar orqali bog'lanadi. Tezlashtirilgan elektr impulslari ushbu aksonlarni ma'lum bir tezlikda pastga tushirishadi. Miyadagi oq materiya orqali harakatlanadigan aksonlar miyelin deb nomlangan izolyatsion material bilan qoplangan. Miyadagi glya (hujayraning bir turi) miyelinni aksonlar atrofida qo'shib olib tashlashi yoki olib tashlashi mumkin, aks holda shpallar aksonlar bo'ylab harakatlanadigan tezlikni sekinlashtiradi. Bu butun miyani hisoblash modeliga dasturlashtiriladigan vaqtinchalik elementni qo'shadi. Bir nechta glia bitta aksonga, bitta glial hujayrali esa bir nechta aksonga biriktirilishi mumkin. Ularning vazifalari tushunila boshlanganligi sababli, glia, hech bo'lmaganda, xotira va o'rganishdagi neyronlar va hisoblash algoritmlari kabi muhim bo'lishi mumkin. Shu ma'noda, glia (3) emas, balki ushbu ro'yxatda (5) bo'lishi kerak.
   
7. 
   Ixtisoslashgan arxitektura. Inson miyasi ko'rish, hid, teginish, tovush, rejalashtirishni qayta ishlash uchun o'nlab ixtisoslashgan sohalarni o'z ichiga oladi. Ularning har birida ko'proq ixtisoslashgan qayta ishlash uchun o'nlab ixtisoslashgan maydonlar mavjud. Masalan, vizual tizimda joyni (siz qaerdasiz, narsalar qaerda) va narsalarni aniqlash uchun alohida joylar mavjud. Ikkinchisida miyada yuzlarni, asboblarni va boshqalarni aniqlash uchun qo'shimcha ixtisoslashgan sohalar mavjud. ANN odatda bitta, katta, bo'sh bo'sh shifer bo'lib, o'nlab yoki yuz minglab mashq tasvirlari orqali o'tish kerak degan fikrda. kirishlarni tasniflashi mumkin bo'lgan sun'iy neyronlar orasidagi og'irliklarda tuzilmalar paydo bo'ladi. ANN bilan oldindan tuzilgan, ixtisoslashgan modullar mavjud emas. Garchi bu faol tadqiqotlar sohasi.
   

Hozirgi AI va inson miyasi o'rtasidagi jismoniy farqlar juda katta. AI inson miyasi o'ylaganidek mavhumroq fikrlashidan o'nlab yillar oldin sodir bo'ladi, qisman inson miyasi haqida hali ko'p narsalarni bilib olishimiz kerak. Yana ijobiy tomoni shundaki, biz biladigan miya va AIning qanchalik rivojlanganligi ajablantiradi. Agar siz AIning hozirgi holatini Everestga chiqish bilan taqqoslasangiz - ikkalasi ham ajoyib yutuqlar bo'lsa, u holda odam miyasining ko'p funktsiyalarini takrorlaydigan AI, odamning Plutoda yurishiga teng bo'lardi. Bunday AI hazil yozishi, yangi musiqa janrlarini yozishi (nafaqat mavjud bastakorlar va uslublarni taqlid qilishi), romanlarni yozishi, haqiqatan ham Tyuring sinovidan o'tishi va hokazo bo'lishi mumkin. Hozirgi AI haqiqatan ham juda xayoliy uslubdir. Agar siz uni minglab yoki millionlab naqsh namunalari va kerakli javoblar bilan mashq qilsangiz, u ilgari ko'rmagan yangi naqshni olib, o'quv misollariga mos keladigan javobni yaratishi mumkin. Keyingi katta bosqichlardan ikkitasi bitta o'qdan o'qitish (4 yoshli bola buni yaxshi bajaradi) va o'qishni o'rganish (mL ning boshlang'ich qanday ishlanganligidan boshlab, qanday qilib ushbu javobni o'qiganingiz va uzatganingizga qadar ko'plab o'q otish turlari mavjud). bilimingizni miyangizga).


javob bering 2:

Neyron tarmog'i miyadagi barcha aloqalar va kimyoviy reaktsiyalar bilan shug'ullanadigan neyronlarning biologik vakili. Sun'iy neyron tarmog'i - bu chuqur o'rganish jarayonida tushunchalarga bog'liq muammolarni tasniflash va bashorat qilish uchun yaratilgan neyron tarmoq. Garchi chuqur o'rganishda sun'iy asab tarmoqlari bir necha turga ega

Neyron tarmoqlari – bu insonning asab tizimini ko’paytirishga urinishlarga asoslangan sun’iy intellekt sohasidagi tadqiqotlar yo’nalishlaridan biri. Aynan: asab tizimining xatolarni o’rganish va tuzatish qobiliyati, bu bizga odam miyasining ishlashini taqlid qilishga imkon beradi.

Inson nerv sistemasi yoki asab tizimi – bu tananing barcha tizimlarining o’zaro bog’liq xatti-harakatlarini ta’minlaydigan murakkab tuzilmalar tarmog’i.

Biologik neyron – bu yadrodan, hujayrali tanadan va jarayonlardan iborat bo’lgan maxsus hujayradir. Neyronning asosiy vazifalaridan biri boshqa neyronlar bilan ulanish orqali neyron tarmog’iga elektrokimyoviy impulsni yuborishdir. Bundan tashqari, har bir aloqa sinaptik aloqaning kuchi deb nomlanadigan ma’lum bir miqdor bilan tavsiflanadi. Ushbu qiymat boshqa neyronga o’tkazilganda elektrokimyoviy impuls bilan nima sodir bo’lishini aniqlaydi: u kuchayadi yoki zaiflashadi yoki o’zgarishsiz qoladi.

Biologik neyron tarmoq yuqori darajadagi ulanishga ega: boshqa neyronlar bilan bir necha mingta aloqa bitta neyronga tushishi mumkin. Ammo, bu taxminiy qiymat va har bir holatda u boshqacha. Bir neyrondan ikkinchisiga impulslarning uzatilishi butun neyron tarmog’ining ma’lum bir qo’zg’alishini keltirib chiqaradi. Ushbu qo’zg’alishning kattaligi neyron tarmoqning ba’zi kirish signallariga javobini aniqlaydi. Masalan, odamning eski tanishi bilan uchrashuvi, agar ba’zi tanish va yoqimli hayot xotiralari ushbu tanishish bilan bog’liq bo’lsa, neyron tarmog’ining kuchli qo’zg’alishiga olib kelishi mumkin. O’z navbatida, neyron tarmog’ining kuchli qo’zg’alishi yurak urish tezligining oshishiga, ko’zlarning tez-tez yonib turishiga va boshqa reaktsiyalarga olib kelishi mumkin. Neyron tarmoq uchun notanish odam bilan uchrashuv deyarli imkonsiz bo’ladi,

Biologik neyron tarmog’ining quyidagi juda soddalashtirilgan modelini berish mumkin:

Har bir neyron yadrodan tashkil topgan hujayrali tanadan iborat. Dendrit deb ataladigan ko’plab qisqa tolalar hujayraning tanasidan ajralib chiqadi. Uzoq dendritlarga aksonlar deyiladi. Aksonlar uzoq masofalarni bosib o’tishadi, bu raqam o’lchovida ko’rsatilgandan ancha kattadir. Aksonlar odatda 1 sm uzunlikka ega (bu hujayra tanasining diametridan 100 baravar ko’p), ammo 1 metrga yetishi mumkin.

XX asrning 60-80-yillarida ekspert tizimlari sun’iy intellekt sohasida izlanishlarning ustuvor yo’nalishlaridan biri bo’lgan . Ekspert tizimlari yaxshi ishladi, ammo faqat yuqori ixtisoslashgan sohalarda. Ko’proq universal aqlli tizimlarni yaratish uchun boshqacha yondashuv talab qilindi. Ehtimol, bu sun’iy intellekt tadqiqotchilari e’tiborini inson miyasining ostidagi biologik neyron tarmoqlarga qaratganligiga olib keldi.

Sun’iy intellektdagi neyron tarmoqlari biologik neyron tarmoqlarining soddalashtirilgan modelidir.

O’xshashlik shu yerda tugaydi. Inson miyasining tuzilishi yuqorida aytib o’tilganlarga qaraganda ancha murakkab va shuning uchun uni hech bo’lmaganda aniqroq ko’paytirish mumkin emas.

Neyron tarmoqlari juda ko’p muhim xususiyatlarga ega, ammo asosiysi bu o’rganish qobiliyatidir. Neyron tarmog’ini o’rganish birinchi navbatda neyronlar orasidagi sinaptik aloqalarning «kuchini» o’zgartirishni o’z ichiga oladi. Buni quyidagi misol yaqqol ko’rsatib turibdi. Pavlovning klassik tajribasida har safar itni boqishdan oldin qo’ng’iroq jiringladi. It tezda qo’ng’iroqni ovqat bilan bog’lashni o’rganib oldi. Bunga miyaning

Neyron tarmog'i - bu inson miyasida neyronlarning ishlashidan so'ng yaratilgan apparat va / yoki dasturiy ta'minot tizimi. Neyron tarmoqlari (shuningdek, sun'iy neyron tarmoqlari deb ataladi) turli xileshitish uchun javob beradigan qismlar va tuprik bezlari orasidagi sinaptik aloqalar kuchayganligi sabab bo’lgan. Va qo’ng’iroq sadosi bilan neyron tarmoqning keyingi qo’zg’alishi itda kuchli tupurikka olib kela boshladi.
TENSOR FLOW

TensorFlow - bu mashinani o'rganish uchun bepul va ochiq manbali dasturiy ta'minot kutubxonasi . U turli xil vazifalar uchun ishlatilishi mumkin, ammo chuqur neyron tarmoqlarni tayyorlash va xulosa qilishga alohida e'tibor beradi.

Tensorflow asoslangan ramziy matematika kutubxona hisoblanadi dataflow va differentiable dasturlash . Bu Google-da tadqiqot va ishlab chiqarish uchun ishlatiladi .

TensorFlow Google Brain jamoasi tomonidan ichki Google foydalanish uchun ishlab chiqilgan . Apache License 2.0 asosida 2015 yilda chiqarilgan .

ensorFlow - bu Google Brain-ning ikkinchi avlod tizimi. 1.0.0 versiyasi 2017 yil 11-fevralda chiqdi. ^[14] Malumotni tatbiq etish bitta qurilmada ishlayotgan bo'lsa , TensorFlow bir nechta protsessor va GPU- larda ishlashi mumkin ( grafik ishlov berish bloklarida umumiy maqsadli hisoblash uchun ixtiyoriy CUDA va SYCL kengaytmalari bilan ). ^[15] TensorFlow 64-bitli Linux , macOS , Windows va Android va iOS-ni o'z ichiga olgan mobil hisoblash platformalarida mavjud .

Uning moslashuvchan arxitekturasi hisoblashlarni turli platformalarda (CPU, GPU, TPU ) va ish stollaridan serverlar klasterlariga mobil va chekka qurilmalarda osonlikcha joylashtirish imkoniyatini beradi .

TensorFlow hisob sifatida ifoda etiladi vaziyat dataflow grafikalar . TensorFlow nomi bunday neyron tarmoqlari ko'p o'lchovli ma'lumotlar massivida bajaradigan operatsiyalardan kelib chiqadi, ular tensor deb ataladi . 2016 yil iyun oyida o'tkazilgan Google I / O konferentsiyasi paytida Jef Din GitHub-dagi 1500 ta omborxonada TensorFlow haqida eslatib o'tilgan, ulardan faqat 5 tasi Google'dan bo'lgan. ^[16]

2017 yil dekabr oyida Google, Cisco, RedHat, CoreOS va CaiCloud dasturchilari Kubeflow -ni konferentsiyada tanishtirdilar . Kubeflow Kubernetes-da TensorFlow- ning ishlashiga va joylashishiga imkon beradi .

2018 yil mart oyida Google TensorFlow.js-ning 1.0 versiyasini JavaScript-da mashinani o'rganish uchun e'lon qildi . ^[17]

2019 yil yanvar oyida Google TensorFlow 2.0 ni e'lon qildi. ^[18] Rasmiy ravishda 2019 yil sentyabr oyida paydo bo'ldi. ^[19]

Google Brain Team tomonidan ishlab chiqilgan TensorFlow, Deep learningga asoslangan dasturlar uchun ishlatiladigan turli kutubxonalar orasida shubhasiz yetakchi hisoblanadi. Rasmiy web sayt ,TensorFlowni ishlab chiquvchilarga Machine learing va Deep learing yaratishga va o'rnatishga imkon beradigan keng qamrovli, moslashuvchan ekotizim vositasidir, kutubxonalari va jamoat resurslaridan iborat ochiq platforma sifatida tavsiflasak bo'ladi ..

TensorFlow-ni ishlab chiquvchilar orasida eng maqbul  kutubxonaga aylantiradigan ba'zi eng yaxshi xususiyatlar:

• 
  U abstraktsiyaning bir nechta darajalarini va turli xil API-larni taqdim etadi, bu esa modellashtirishni osonlashtiradi.                                                                                                                  
  
• 
  Modellarni Python, JavaScript yoki Swift kabi turli xil dasturlash tillaridan foydalangan holda o'qitish mumkin.                                                                                                                  
  
• 
  TensorFlow ish stoli, mobil, veb yoki hatto bulutli bo'lishidan qat'i nazar, ML modellarini joylashtirish uchun turli xil platformalarni qo'llab-quvvatlaydi.                                                                            
  
• 
  Bu TensorFlow Extended (TFX) ni ishlab chiqarish va o'qitish uchun ishlab chiqarishga tayyor ML quvurini joylashtirishni taklif qiladi.                                                                                                                  
  
• 
  TensorFlow ochiq manbali platforma bo'lib, ishlab chiqaruvchilar, muammolarni hal etuvchilar va tinkererlar bilan o'zaro hamkorlik qilish va o'z g'oyalari bilan bo'lishish imkoniyatiga ega bo'lgan katta jamoatchilik tomonidan qo'llab-quvvatlanadi.
  

Siz AI bilan o'z kariyerangizni bog'lamoqchi bo'lgan minglab aspirantlardan birimisiz ? Agar shunday bo'lsa, TensorFlowni o'rganish sizga ushbu sohada o'z mahoratingizni namoyish etishga va menejerlarni jalb qilishga yordam beradi. Shunday qilib, TensorFlowni o'rganishning turli xil afzalliklari haqida bazi malumotlarni keltirib o'taman.
TENSOR
Tensor - bu vektorlar yig'indisi sifatida olinadigan va skalar chiqaradigan multilinear funksiya. Ko'p qatlamli, bu funktsiyaning har bir kirishda mustaqil ravishda lineer ekanligini anglatadi. .

Tensor - bu skalar va vektor tushunchalarini umumlashtirishdir. 0 ga teng bo'lgan tensor maqomi ($ 3 ^ 0 $ teng), 1-darajadagi tensor vektor ($ 3 ^ 1 $ komponentlari mavjud). Umuman, $ n $ darajasida tensor $ 3 ^ n $ qismlariga ega

TENSORBOARD

Mashinada o'rganishda, biror narsani yaxshilash uchun, ko'pincha uni o'lchashga qodir bo'lishingiz kerak. TensorBoard - bu mashina o'rganish jarayonida zarur bo'lgan o'lchovlar va ingl. Bu sizga yo'qotish va aniqlik kabi eksperimental ko'rsatkichlarni kuzatib borish, model grafigini tasavvur qilish, quyi o'lchovli maydonga investitsiyalarni loyihalashtirish va boshqalar.
11.Kirish ma'lumotlari uchun ma'lum bir uzluksiz raqamli qiymatning qiymatini bashorat qilishga qaratilgan usul bu ...

12.O'qituvchili mashinali o'qitishga misollar noto'g'ri ko'rsatilgan qatorni ko'rsating.

13.O'qituvchili mashinali o'qitishga misollar to'g'ri ko'rsatilgan qatorni ko'rsating.

14.Sodda chiziqli regressiyaning funksiyasi to'g'ri ko'rsatilgan qatorni ko'rsating y=mx+b

15.Ko'p o'zgaruvchili chiziqli regressiyaning funksiyasi noto'g'ri ko'rsatilgan qatorni ko'rsating

16.Regressiya masalalari uchun to'g'ri javob nima?

17.Quyidagi vazifalardan qaysi biri sinflash vazifalari bilan bog'liq emas? Sinflashtirish - berilgan ma'lumotlar punktlari sinfini bashorat qilish jarayoni. Sinflar ba'zan maqsadlar / yorliqlar yoki toifalar deb nomlanadi. Sinflashtirishni bashorat qiluvchi modellashtirish (f) xaritalash funktsiyasini kirish o'zgaruvchilaridan (X) diskret chiqish o'zgaruvchilariga (y) yaqinlashtirish vazifasidir.

18.Quyidagi vazifalardan qaysi biri reyting vazifasi emas?

19.Quyidagilardan qaysi biri mashinali o'qitishda bashorat qilish muammosi?

20.DataMining nima? bu ma'lumotlar to'plamidan (intellektual usullar bilan) ma'lumot olish va undan foydalanish uchun ma'lumotni tushunarli tuzilishga aylantirishning umumiy maqsadi bo'lgan informatika va statistikaning fanlararo subfedrasi.