O’zbekiston Respublikasi Oliy ta’lim Fan va Innovatsiyalar vazirligi Zahiriddin Muhammad Bobur nomli Andijon Davlat Universiteti Tabiiy fanlar fakulteti Biologiya yo’nalishi

1.4. Neyron tarmoqlarini qo'llash

Sun'iy neyron tarmoqlarini qo'llash sohasi har yili kengayib bormoqda, bugungi kunda ular quyidagi sohalarda qo'llaniladi:
Sun'iy aqlning bir turi bo'lgan mashinasozlik. Bu millionlab shunga o'xshash vazifalar misolida A.I.ni o'qitishga asoslangan. Hozirgi kunda mashinalarni o'rganish Google, Yandex, Bing, Baidu qidiruv tizimlari tomonidan faol ravishda amalga oshirilmoqda. Shunday qilib, har kuni Google-da o'tkazadigan millionlab qidiruvlarga asoslanib, ularning algoritmlari biz eng kerakli natijalarni ko'rsatishni o'rganamiz, shunda biz qidirayotgan narsamizni aniq topamiz.
Robototexnika sohasida neyron tarmoqlar robotlarning temir "miyalari" uchun ko'plab algoritmlarni ishlab chiqish uchun ishlatiladi.
Parallel hisoblash masalasini hal qilish uchun kompyuter tizimining me'morlari neyron tarmoqlardan foydalanadilar.
Neyron tarmoqlari yordamida matematiklar turli xil murakkab matematik masalalarni hal qilishlari mumkin.

1.5. Tasvirlarni tanib olish masalalarda neyron tarmoq modellari

Neyron tarmoqlari hal qila oladigan barcha vazifalar qandaydir tarzda o'rganish bilan bog'liq. Neyron tarmoqlarini qo'llashning asosiy yo'nalishlari qatoriga prognozlash, qaror qabul qilish, namunalarni tanib olish, optimallashtirish, ma'lumotlarni tahlil qilish kiradi. Neyron tarmoqlarining eng mashhur turlaridan biri bu "atalmish" konvolyutsionvizual tasvirni (tasvir va video) tanib olish, tavsiya
etuvchi tizimlar va tabiiy tilni qayta ishlashda samarali ekanligi isbotlangan:
Ular mukammal darajada ölçeklenebilir va o'zboshimchalik bilan yuqori piksellar sonini aniqlash uchun foydalanish mumkin;
Ular hajmli (uch o'lchovli) neyronlardan foydalanadilar. Qatlam ichidagi neyronlarni faqat qabul qiluvchi maydon deb ataladigan kichik joylar bog'laydi;
Qo'shni qatlamlarning neyronlari fazoviy lokalizatsiya mexanizmi bilan bog'langan. Ko'plab bunday qatlamlarni stacking qilish tobora ko'proq piksellarga javob beradigan chiziqli bo'lmagan filtrlarni beradi;
Har bir filtr butun ko'rish maydonini qamrab olish uchun kengayadi. Ushbu birliklar takrorlanadi, mavjud parametrlarni baham ko'radi va xaritani shakllantiradi. Shunday qilib, ma'lum konvolyutsion qatlamning barcha neyronlari bir xil ob'ektga (ma'lum bir javob mintaqasi ichida) javob berishni boshlaydi.
Konvolyutsion tarmoqlar sun'iy neyron tarmoqlarining eng mashhur turlari qatoriga kiradi. Vizual naqshlarni (video va tasvirlarni), tavsiyalar tizimlarini va tillarni qayta ishlashni tanib olishda ular ushbu usulni samarali isbotladilar.
Konvolyutsion neyron tarmoqlari juda miqyosli va har qanday katta o'lchamdagi naqshlarni aniqlash uchun ishlatilishi mumkin.
Ushbu tarmoqlarda uch o'lchovli neyronlardan foydalaniladi. Bir qatlam ichida neyronlarni faqat qabul qiluvchi qatlam deb ataladigan kichik maydon bog'laydi.
Qo'shni qatlamlardagi neyronlar fazoviy lokalizatsiya mexanizmi orqali bog'langan. Ushbu qatlamlarning ko'pchiligining ishi piksellar sonining ko'payishiga javob beradigan maxsus chiziqli bo'lmagan filtrlar bilan ta'minlanadi.
Matnli ma'lumotlarni tanib olish va qayta ishlashda takroriy neyron tarmoqlardan foydalaniladi (chastotada ular Google tarjimoni, Yandex Palekh algoritmi, Apple Siri ovozli yordamchisi tomonidan qo'llaniladi).
II. Bob. Neyron tarmoq kompilyatsiyasi.
Neyronlar kutubxonasining asosiy maqsadi tizimlarning analitik imkoniyatlarini kengaytirish uchun neyron tarmoqlarni axborot tizimlariga integratsiya qilishdir. Neyron tarmoqlarning komponentlar ko'rinishida amalga oshirilishi, ochiq manbaning mavjudligi boshqa dasturlarga joylashtirishni osonlashtiradi. Ob'ektga yo'naltirilgan amalga oshirish juda ko'p moslashuvchanlikni beradi, shunchaki bir nechta usullarni qayta yozing va siz o'zingizning ehtiyojlaringiz uchun optimallashtirilgan komponentni olishingiz mumkin.