Innovatsiyalar vazirligi mirzo ulugʻbek nomidagi oʻzbekiston milliy universitetining jizzax

Chuqur neyron tarmoqlar
Chuqur neyron tarmoq (DNN) - kirish va chiqish qatlamlari o‘rtasida bir nechta qatlamlarga ega bo‘lgan sun’iy neyron tarmoq (ANN). Neyron tarmoqlarning har xil turlari mavjud, lekin ular har doim bir xil komponentlardan iborat: neyronlar, sinapslar, ogʻirliklar, moyilliklar va funksiyalar. Bu komponentlar bir butun sifatida inson miyasiga o‘xshash ishlaydi va boshqa har qanday ML algoritmi kabi o‘qitilishi mumkin.Misol uchun, it zotlarini tan olishga o‘rgatilgan DNN berilgan tasvirni ko‘rib chiqadi va tasvirdagi itning ma’lum bir zot bo‘lish ehtimolini hisoblab chiqadi. Foydalanuvchi natijalarni ko‘rib chiqishi va tarmoq qaysi ehtimolliklarni ko‘rsatishi kerakligini tanlashi mumkin (ma’lum bir chegaradan yuqori va hokazo) va taklif qilingan yorliqni qaytarishi mumkin. Har bir matematik manipulyatsiya qatlam hisoblanadiva murakkab DNN ko‘p qatlamlarga ega, shuning uchun "chuqur" tarmoqlar deb ataladi.
DNN murakkab chiziqli bo‘lmagan munosabatlarni modellashtirishi mumkin. DNN arxitekturalari, ob'ekt ibtidoiylarning qatlamli tarkibi sifatida ifodalangan kompozitsion modellarni yaratadi .Qo‘shimcha qatlamlar pastki qatlamlardagi xususiyatlarning tarkibini yaratishga imkon beradi, bu esa xuddi shunday ishlaydigan sayoz tarmoqqa qaraganda kamroq birliklar bilan murakkab ma’lumotlarni modellashtirish imkonini beradi. Masalan, siyrak koʻp oʻzgaruvchan
polinomlarni sayoz tarmoqlarga qaraganda DNNlar bilan yaqinlashtirish osonroq ekanligi isbotlangan .
Chuqur arxitekturalar bir nechta asosiy yondashuvlarning ko‘plab variantlarini o‘z ichiga oladi. Har bir arxitektura muayyan sohalarda muvaffaqiyat qozondi. Bir nechta arxitekturaning ishlashini solishtirish har doim ham mumkin emas, agar ular bir xil ma’lumotlar to‘plamida baholanmagan bo‘lsa.
DNN-lar, odatda, ma’lumotlar kirish qatlamidan chiqish qatlamiga orqaga qaytmasdan oqadigan oldinga yo‘naltirilgan tarmoqlardir. Dastlab, DNN virtual neyronlar xaritasini yaratadi va ular orasidagi bog'lanishlarga tasodifiy raqamli qiymatlarni yoki "og'irliklarni" tayinlaydi. Og'irliklar va kirishlar ko‘paytiriladi va 0 dan 1 gacha bo‘lgan chiqishni qaytaradi. Agar tarmoq ma’lum bir naqshni aniq tanimasa, algoritm og'irliklarni rostlaydi. Shunday qilib, algoritm maʼlumotlarni toʻliq qayta ishlash uchun toʻgʻri matematik manipulyatsiyani aniqlamaguncha maʼlum parametrlarni yanada taʼsirchan qilishi mumkin. Ma’lumotlar istalgan yo‘nalishda oqishi mumkin bo‘lgan takroriy neyron tarmoqlari (RNN) tilni modellashtirish kabi ilovalar uchun ishlatiladi . Uzoq qisqa muddatli xotira bu foydalanish uchun ayniqsa samarali. Konvolyutsion chuqur neyron tarmoqlari (CNN) kompyuterni ko‘rishda qo‘llaniladi. CNN ham avtomatik nutqni aniqlash (ASR) uchun akustik modellashtirishda qo‘llanilgan .