Oʼzbekiston respublikаsi аxborot texnologiyalаri vа kommunikаtsiyalаrini rivojlаntirish vаzirligi muhаmmаd аl-xorаzmiy nomidаgi toshkent аxborot texnologiyalаri

O'Z-O'Z-O'RING VA GIBRID TARMOQLAR
Yuqorida muhokama qilingan perseptron tipidagi neyron tarmoqlari misollar bo'yicha trening orqali o'rganildi. Trening uchun fan sohasi haqida dastlabki ma'lumotlar Xq kirish vektorlari to'plami va ularga mos keladigan Dq chiqish vektorlari - bir xil maslahatlar ko'rinishida taqdim etilgan bo'lib, ular yordamida tarmoq berilgan savollarga to'g'ri javob berishga o'rgatilgan. Shuning uchun bu usul nazorat ostida o'rganish deb ataladi.
Haqiqiy sharoitda har qanday tirik organizm atrof-muhit bilan o'zaro aloqada bo'lib, uning ta'sirini doimo his qiladi, qandaydir maslahatlarni oladi, unga ko'ra u o'z xatti-harakatlarini to'g'rilaydi. Shunday qilib, bir vaqtlar qizg'in pechka ustiga sakrab tushgan mushuk boshqa xatosini takrorlamaydi. Shunga o'xshash minglab misollar mavjud, shuning uchun o'qituvchi bilan o'rganish mexanizmi, shubhasiz, har qanday tirik mavjudotning miyasiga xosdir.
Biroq, inson miyasida boshqa o'rganish mexanizmlari ham mavjud. Biz ko'plab intellektual muammolarni oldindan tayyorgarliksiz hal qila olamiz. Misol uchun, hech ikkilanmasdan, biz ob'ektlarni klasterlashni amalga oshirishimiz mumkin - bir-biriga o'xshash ob'ektlarni klasterlar deb ataladigan alohida sinflarga birlashtirish.
O'qituvchi yordamisiz, kirish vektorlarini klasterlash muammosini hal qilish orqali sinaptik og'irliklarini avtomatik ravishda moslashtiradigan neyron tarmoqni ko'rib chiqaylik. Shaklda ko'rsatilgan tarmoq. 7.17 da har biri N ta kirishga ulangan I neyronlarning bir qatlamiga ega. Neyronlarning bu qatlami neyron tarmoqni o'z-o'zini o'rganish algoritmini taklif qilgan olim sharafiga Kohonen qatlami deb ataladi. Kohonen qatlamining har bir i-neyronining sinaptik bog'lanish og'irliklari Wi = [wi1, wi2, sinaptik ulanishlar vektorini tashkil qiladi. . ., wiN ]T, uning oʻlchami X = [x1, x2, . . ., xN ]T . Dastlab, W i vektorlarining tarkibiy qismlarining qiymatlari tasodifiy sonlar generatori tomonidan beriladi va X kirish vektorining komponentlari ularning har birini X vektorining uzunligiga bo'lish orqali normallashtiriladi.
X vektori va W i vektorlarining har biri o'rtasida Evklid masofalari hisoblab chiqiladi, ular orasida eng kichigi tanlanadi. Sinaptik og'irlik vektori W i kirish vektori X ga eng yaqin bo'lgan neyron g'olib neyron deb ataladi va uning raqami w bilan belgilanadi, ya'ni g'olib neyron i = w seriya raqamiga ega. G'olib neyronning sinaptik og'irliklari, shuningdek, unga qo'shni bo'lgan barcha neyronlar Kohonen formulasiga muvofiq o'rnatiladi.