Основы искусственного интеллекта: учебное пособие

Xatolarni tuzatish qoidasi. Nazorat ostida o'qitishda ­har bir kirish misoli uchun kerakli chiqish x ko'rsatilgan ­, lekin tarmoqning haqiqiy chiqishi y kerakli bilan mos kelmasligi mumkin. Trening davomida xatolarni tuzatish printsipi ­og'irliklarni o'zgartirish uchun farq signalidan (d - y) foydalanishdan iborat bo'lib, bu xatoning bosqichma-bosqich kamayishini ta'minlaydi. Bunday trening faqat neyron tarmoq noto'g'ri bo'lgan holatda amalga oshiriladi. Shu bilan birga, ­ushbu o'rganish algoritmining turli xil modifikatsiyalari mavjud bo'lib, ular bu erda batafsil ko'rib chiqilmaydi.
Boltzmann mashg'ulotlari. Axborot nazariyasi va termodinamik tamoyillar tamoyillaridan kelib chiqadigan stoxastik o'rganish qoidasini ifodalaydi. Boltzmanning o'rganish ­maqsadi ­og'irlik koeffitsientlarini shunday sozlashdir, ­bunda tashqi qatlam neyronlarining holatlari kerakli ehtimollik taqsimotini qondiradi. Boltzmanni o'rganishni xatolarni tuzatishning maxsus holati sifatida ko'rib chiqish mumkin, bunda xato ikki ­rejimda holat korrelyatsiyasining farqlanishi sifatida tushuniladi .­
Hebb qoidasi. Eng qadimgi ta'lim qoidasi Xebning o'rganish postulatidir. Hebb quyidagi neyrofiziologik kuzatishlarga tayangan ­: agar sinapsning har ikki tomonidagi neyronlar bir vaqtda va ­muntazam ravishda yonib tursa, u holda sinaptik aloqaning kuchi ortadi. Bu qoidaning muhim xususiyati shundaki, bu erda sinaptik vaznning o'zgarishi faqat ­shu sinaps bilan bog'langan neyronlarning faolligiga bog'liq.­
Raqobatbardosh o'rganish. Ko'p chiqish neyronlari bir vaqtning o'zida yonishi mumkin bo'lgan Hebbian ta'limidan farqli o'laroq, ­raqobatbardosh o'rganishda chiqish neyronlari otishni o'rganish uchun bir-biri bilan raqobatlashadi ­. Bu hodisa g'olib hamma narsani oladi qoidasi sifatida tanilgan. Shunga o'xshash o'rganish biologik ­neyron tarmoqlarda sodir bo'ladi. Raqobatli o'rganish ­kirish ma'lumotlarini klasterlash imkonini beradi: shunga o'xshash kirish misollari korrelyatsiya bo'yicha tarmoq bo'yicha guruhlanadi ­va bitta element bilan ifodalanadi.
Raqobat usuli bilan o'rganishda faqat "g'olib" neyronning og'irliklari o'zgartiriladi. Ushbu ­qoidaning ta'siri tarmoqda saqlangan namunadagi bunday o'zgarish ("yutgan" ­neyronning ulanish og'irliklari vektori) orqali erishiladi, bunda u kirish misoliga biroz yaqinroq bo'ladi.
3-bob uchun nazorat savollari va topshiriqlari

1. 
   Miyaning neyron modelini yaratishga urinish asosida ­sun'iy intellektni rivojlantirish yo'nalishining mohiyati nimada?­
   
2. 
   Neyrotizimlarni qo'llashning zamonaviy jihatlari qanday?
   
3. 
   Neyron tarmoqlarning kamchiliklari qanday?
   
4. 
   Neyron tarmoqlarning afzalliklari nimada?
   
5. 
   Sun'iy neyron modeli qanday elementlardan ­iborat?
   
6. 
   Sun'iy neyron qanday ishlaydi?
   
7. 
   Neyron tarmoqlar qanday qurilgan?
   
8. 
   Neyron tarmoqlar yordamida qanday vazifalar hal qilinadi?
   
9. 
   Neyron tarmoq qanday o'qitiladi?
   
10. 
    Neyron tarmoqlarni o'rganish qoidalarining qanday turlarini bilasiz?
    

3-bob uchun adabiyot

1. 
   Galushkin A.I. Neyron tarmoqlar nazariyasi. - M .: ­"Radiotexnika" jurnali muharrirlarining nashriyot korxonasi, 2000 yil.
   
2. 
   Avtomatlashtirish tizimlarida neyron tarmoqlar / V. I. ­Arxangelskiy, I. N. Bogaenko, G. G. Grabovskiy va boshqalar - Kiev: Texnika, 1999 yil.
   
3. 
   Terexov S. A. Sun'iy neyron tarmoqlar nazariyasi va qo'llanilishi bo'yicha ma'ruzalar ­.
   

Adobe Beaier,
11 yoki undan yuqori versiyalari yoki
Nobles8, Mae 08, Antoby va U8 platformalari uchun Aiobe Obligation 4.5 yoki undan keyingi versiyalari uchun
tegishli dasturiy talablar bilan belgilanadi ; ekran 10"