Ergashev Sardorbek

613_20 guruh talabasi Ergashev Sardorbek
Mustaqil Ish
Mavzu: Neyron tarmoqlarni tasniflash yechimlari va neyron tarmoqlarning aniqligini oshirish yo‘llari
Reja:

1. 
   Neyron tarmoq nima?
   
2. 
   Sinaps va neyron nima?
   
3. 
   Neyron tarmoqlar qayerda ishlatiladi?
   

Neyron tarmog'i sinapslar orqali bog'langan neyronlar ketma-ketligi ekanligini aytadi. Agar dastur neyron tarmog'ining tuzilishiga ega bo'lsa, kirish ma'lumotlarini mashina darajasida tahlil qilish va natijani eslab qolish mumkin bo'ladi. Neyron tarmoqlari va neyron tarmoqlari uchun ma'lumotlar biologik analogning soddalashtirilgan modelidir. Ba'zi ekspertlar neyron tarmoqlar haqida gapirganda, inson miyasini eslashadi. Ha, bu haqiqatga yaqin, lekin inson miyasi haddan tashqari murakkab, shuning uchun bu juda taxminiy taqqoslash, chunki biz (hali) zamonaviy texnologiyalar yordamida ham uning mexanizmlarini to'liq qayta yaratishga qodir emasmiz. Natijada, neyron tarmog'ini miya printsipiga asoslangan dastur deb atash yaxshiroqdir. Neyron tarmog'i neyronlar to'plamidir. Ushbu neyronlarning har biri ma'lumotlarni qabul qiladi, ularni qayta ishlaydi va keyin boshqa neyronga uzatadi. Va har bir neyron signallarni xuddi shu tarzda qayta ishlaydi. Ammo qanday qilib biz boshqacha natijalarga erishamiz? Buning uchun neyronlarni bir-biriga bog'laydigan sinapslar javobgardir. Har bir neyron signalni zaiflashtiradigan yoki kuchaytiradigan ko'plab sinapslarga ega bo'lishga qodir. Neyronlar vaqt o'tishi bilan o'z xususiyatlarini o'zgartirishga qodir. Aytgancha, sinapslarning parametrlarini to'g'ri tanlash orqali biz chiqishdagi kirish ma'lumotlarini o'zgartirishning to'g'ri natijalarini olishimiz mumkin.

Sun'iy neyron tarmoqlari kontekstida gapirganda, biz hisob-kitoblarni amalga oshiradigan birlikni tushunamiz. U kirish qatlamidan ma'lumotlarni oladi, u bo'yicha oddiy hisob-kitoblarni amalga oshiradi va keyin uni keyingi neyronga uzatadi. Neyron tarmog'ida neyronlarning uch turi mavjud: kirish, chiqish va yashirin. Bir qatlamli strukturada yashirin neyronlar bo'lmaydi. Bias neyronlari va kontekst neyronlari deb ataladigan birliklar ham mavjud. Har qanday neyron ikki turdagi ma'lumotlardan iborat: kirish va chiqish. Birinchi qatlamda chiqishga teng kirishlar mavjud. Boshqa hollarda, kirish oldingi qatlamlarning umumiy ma'lumotlarini oladi, shundan so'ng u normallashtiriladi (talab qilingan diapazondan chiqib ketgan barcha qiymatlar faollashtirish funktsiyasi yordamida o'zgartiriladi).

Neyron tarmoqlar ko'p turli muammolarni hal qilish uchun ishlatiladi. Agar biz oddiy loyihalar haqida gapiradigan bo'lsak, oddiy kompyuter dasturi ularni hal qilishi mumkin, agar biz tenglamalarni echish va prognozlashni talab qiladigan murakkab vazifalar haqida gapiradigan bo'lsak, statik ishlov berish usullarini qo'llab-quvvatlaydigan kompyuter dasturi qo'llaniladi. Bundan tashqari, juda qiyin vazifalar, bir xil naqsh tanib olish bor. Bu erda boshqacha yondashuv kerak, chunki inson boshida bu jarayonlarning barchasi ongsiz ravishda sodir bo'ladi (tasvirlarni tan olish va yodlashda odam buni o'zi qiladi, ya'ni u o'zo'zidan sodir bo'ladi, ya'ni u miyadagi mos keladigan jarayonlarni nazorat qilmaydi. miya).

Bugungi kunda neyron tarmoqlar quyidagi sohalarda qo'llaniladi:
- naqshni aniqlash (bu yo'nalishda ular eng keng tarqalgan ishlaydi);
- keyingi bosqichni bashorat qilish (bir xil fond bozorlarida savdoning samaradorligi va sifatini oshiradi);
- kiritilgan ma'lumotlarni parametrlar bo'yicha tasniflash (kredit robotlari bu ishni osonlikcha engishlari mumkin, ular buning uchun turli parametrlarning kirish to'plamlaridan foydalangan holda tezda kreditni tasdiqlash yoki rad etish to'g'risida qaror qabul qilishlari mumkin).
Neyron tarmoqlar dastlab biologiyadan ma'lum. Ular sutemizuvchilarning miyasiga qo'pol o'xshashlikka ega. Sun'iy neyron tarmoqlar axborotni qayta ishlash tizimlaridir. Ular ko'p sonli oddiy birliklardan, ya'ni neyronlardan iborat bo'lib, axborotni faollashtirish shaklini oladi. Neyron tarmoqlar o'quv misollari yordamida vazifani mustaqil ravishda o'rganish imkoniyatiga ega. Neyron tarmoqni o'rgatishda neyron tarmoqning haqiqiy chiqishi va kerakli natija o'rtasida farq bor. Neyron tarmoqlardan ko'p jihatdan foydalanish mumkin, masalan, naqshni aniqlash, avtonom transport vositalarini boshqarish, prognozlash. Neyron tarmoqlari, neyron tarmoqlari, qisqartma. NN, E. neyron tarmoqlari 1) Nerv hujayralarining bir-biri bilan sinapslar orqali bog'langan tarmoqlari (nerv tarmoqlari). 2) Sun'iy neyron tarmoqlari (Qisqa. KNN), kompyuterda amalga oshirilgan neyron tarmoqlarning simulyatsiya modellari, ya'ni sun'iy neyronlar tarmoqlari. Biologik yo'naltirilgan va texnik yo'naltirilgan simulyatsiyalar o'rtasida farqlanadi.
Kompyuter neyron tarmoqlarini o'rganishda miya printsiplarini izohlashda neyronlar haqidagi matnning qisqa bandiga rozi bo'lgan olimlar va muhandislarni tushunish oson, ular dendritlardagi sinapslardan foydalanib, boshqa neyronlarga "quloq soladi" va qavat ustiga yig'ish natijalarini bitta akson yordamida uzatadi.
1 Neyron tarmoqning bir qavatli tuzilishi. Bu neyronlar o'rtasidagi o'zaro ta'sirning strukturasi bo'lib, unda kirish qatlamidan signallar darhol chiqish qatlamiga yuboriladi, aslida u nafaqat signalni o'zgartiradi, balki darhol javob beradi. Yuqorida aytib o'tilganidek, 1-kirish qatlami faqat signallarni qabul qiladi va tarqatadi va kerakli hisob-kitoblar allaqachon ikkinchi qatlamda sodir bo'ladi. Kirish neyronlari asosiy qatlamga turli og'irlikdagi sinapslar yordamida ulanadi, bu ulanishlar sifatini ta'minlaydi.
2 Ko'p qatlamli neyron tarmoq. Bu erda chiqish va kirish qatlamlaridan tashqari yana bir nechta yashirin oraliq qatlamlar mavjud. Ushbu qatlamlarning soni neyron tarmoqning murakkablik darajasiga bog'liq. Bu ko'proq biologik neyron tarmog'ining tuzilishiga o'xshaydi. Bunday turlar yaqinda ishlab chiqilgan, bundan oldin barcha jarayonlar bir qatlamli neyron tarmoqlar yordamida amalga oshirilgan. Tegishli echimlar bir qatlamli bo'lganlarga nisbatan katta imkoniyatlarga ega, chunki ma'lumotlarni qayta ishlash jarayonida har bir oraliq qatlam axborotni qayta ishlash va tarqatishning oraliq bosqichidir. Qatlamlar soniga qo'shimcha ravishda, neyron tarmoqlari neyronlar orasidagi sinapslar bo'ylab ma'lumotlarning tarqalish yo'nalishiga ko'ra tasniflanishi mumkin:
1 To'g'ridan-to'g'ri tarqalishning neyron tarmoqlari (bir yo'nalishli). Ushbu strukturada signal kirish qatlamidan chiqish qatlamiga qat'iy ravishda yo'nalishda harakat qiladi. Signalning teskari yo'nalishda harakati amalga oshirilmaydi va printsipial jihatdan mumkin emas. Bugungi kunda ushbu rejani ishlab chiqish keng tarqalgan bo'lib, bugungi kunda naqshni aniqlash, prognozlash va klasterlash muammolarini muvaffaqiyatli hal qilmoqda.
2 Takrorlanuvchi neyron tarmoqlar (teskari aloqa bilan). Bu erda signal ham oldinga, ham orqaga harakat qiladi. Natijada, chiqish natijasi kirishga qaytishga qodir. Neyronning chiqishi og'irlik xususiyatlari va kirish signallari bilan belgilanadi, bundan tashqari u yana kirishga qaytariladigan oldingi chiqishlar bilan to'ldiriladi. Ushbu neyron tarmoqlar qisqa muddatli xotira funktsiyasiga ega, ular asosida signallar qayta tiklanadi va ularni qayta ishlash jarayonida to'ldiriladi.
3 Radial bazis funksiyalari.
4 O'z-o'zini tartibga soluvchi xaritalar.
Ammo bu neyron tarmoqlarning barcha tasniflash variantlari va turlaridan uzoqdir. Ular ham bo'linadi:
1 Neyronlarning turlariga qarab:
- bir hil,
-gibrit
2 Mashq qilish uchun neyron tarmoqlar usuliga qarab:
- o'qituvchi bilan mashg'ulot;
- o'qituvchisiz
- mustahkamlash bilan.
3 Kiritilgan axborot turiga ko‘ra neyron tarmoqlar quyidagilardir:
- analog;
- ikkilik;
- obrazli.
4 Sinapsni sozlash tabiatiga ko'ra:
- qattiq ulanishlar bilan;
- dinamik havolalar bilan.
Ma'lumki, neyron tarmoqning birinchi ishga tushirilishi to'g'ri natija bermaydi, chunki u hali o'qitilmagan. Agar biz faollashtirish funktsiyasi tushunchasi haqida gapiradigan bo'lsak, unda bu funktsiya kiritilgan ma'lumotlarni normallashtirish uchun ishlatiladi. Bu funktsiyalarning ko'pi bor, lekin men eng keng tarqalgan asosiylarini ta'kidlamoqchiman. Asosiy farq - ular ishlaydigan qiymatlar diapazoni: f(x) = x chiziqli funksiyadir. Bu eng sodda, faqat yaratilgan neyron tarmoqni sinab ko'rish yoki ma'lumotlarni asl ko'rinishida uzatish uchun ishlatilishi kerak; - sigmasimon ko'proq keng tarqalgan faollashtirish funktsiyasi. Qiymatlar diapazoni noldan birgacha. Men buni logistika funktsiyasi deb ham atayman; giperbolik tangens hisoblanadi. Usul salbiy qiymatlarni qoplash uchun ham kerak. Ulardan foydalanish mo'ljallanmagan bo'lsa, giperbolik tangens kerak emas. Aytish kerakki, ular bilan keyingi ishlash uchun ma'lumotlar neyron tarmog'ini sozlash uchun o'quv majmualari talab qilinadi.