Magistrlik dissertatsiyasi 21-01 гурух магистранти Халилова М

Sun`iy neyron



b

f
w1
w2
wn

x1
x2
xn
S
y

Sun`iy neyron

b

f


w1
w2
wn

x1
x2
xn
S
y

1

Sun'iy neyronning matematik modeli

S = wixi + b

y = f (S)

xi, i=1,2…n – boshqa neyrondan signal

wi, i=1,2…n – sinaptik aloqaning mustahkamligi

b – bias (смещения) qo’shimcha neyron

f – neyronlarni faollashtirish funktsiyasi

y – neyron chiqish signali

Faollashtirish funktsiyasi neyronning chiqish qiymatini kirishlar va chegara qiymatining vaznli yig’indisi natijasiga qarab belgilaydi

Raqamli (Uzlishli)
Usliksiz (Sigmasimon)
1
-1
1
-1
s
1
0
s
s
1
0
s
Funktsiya
Х hevisaida θ(s) =
1, s>0
0, s<0
sign(s) =
1, s>0
-1, s<0
th(s) =
eas-e-as
eas+e-as
P(s) =
1
1+e-as

Faollashtirish funktsiyalari

Chiziqli
Yarimchiziqli
Линейная с насыщением
Полулинейная с насыщением
1
-1
1
0
1
-1
s
1
0
s
s
s

Sun’iy neyron tarmoq –o’zaro bog’langan sun’iy neyronlar to’plami .

А
x1
x2
x900
3030 piksel
y1=1
y2=0
y33=0
SNT

Sun’iy neyron tarmoqni quyidagi tasniflari bo’yicha qurish mumkin: Topologiyasi bo’yicha:

To’liq bog’langan
Erkin bog’langan
Ko’pqatlamli

По наличию задержек (kechikishlar mavjudligi)

Statik tarmoq
Dinamik tarmoq
D
D

По наличию обратной связи (Teskari aloqaning mavjudligi )

To’g’ridan to’g’ri tarqalish tarmog’i
Rekurrent tarmoq
D

По функциям активации

По функциям активации

• Однородные
• Неоднородные

По типу входного сигнала

• Бинарный
• Целый
• Действительный

SNT o’rganishi

Qora quti

Bilim og'irlik koeffitsientlari shaklida to'planadi va mazmunli talqin qilish mumkin emas
Adaptiv tizim
Tarmoqning axborotni qayta ishlash qobiliyati misol orqali o'rganish natijasida rivojlanadi.

Nazariy natijalar

Хехт-Нильсен teoremasi

• Теорема о полноте (следствие)

Любая непрерывная функция на замкнутом ограниченном множестве может быть равномерно приближена функциями, вычисляемыми ИНС, функции активации которых непр. и дважды непр. дифференцируемы

Berilgan aniqlikka ega bo'lgan n o'zgaruvchining m o'lchovli funktsiyasini to’g’ri aloqa bilan hisoblangan ikki qatlamli SNT funktsiya bilan yaqinlashtirish mumkin.

Mavzuni o’rganishda dasturiy ta’minot

• Python dasturlash tilida Keras kutubxonasi;
• Python dasturlash tilida TensorFlow kutubxonasi;

# Print a summary of the created model:
from keras.models import Sequential
from keras.layers import Dense
model = Sequential()
model.add(Dense(2, input_dim=1, activation='relu')) model.add(Dense(1, activation='sigmoid'))
print(model.summary())

• Qatlamlar va ularning modeldagi tartibi.
• Har bir qatlamning chiqish shakli (chiqish ma'lumotlarining har bir o'lchamidagi elementlar soni).
• Har bir qatlamdagi parametrlar (og'irliklar) soni.
• Modeldagi parametrlarning umumiy soni.

Mavzu bo’yicha o’rganilgan ishlar

Decentralized control of robot joints based on neural network observer
Neyron tarmoq kuzatuvchisi asosida robot bo'g'inlarini markazlashtirilmagan boshqarish
Pekin fan va texnologiya universiteti, Xitoy