O’zbekistonrespublikasiaxborottexnologiyalarivakommunikatsiyalarinirivojlantirishvazirligimuhammadal-xorazmiynomidagitoshkentaxborottexnologiyalariuniversitetiqarshifiliali“telekommunikatsiyatexnologiyalarivakasbiyta’lim”fakulteti

Takrorlanadigan neyron tarmoq (RNN) sinfidir sun'iy neyron tarmoqlari bu erda tugunlar orasidagi ulanishlar a yo'naltirilgan grafik vaqtinchalik ketma-ketlik bo'yicha.Bu unga vaqtinchalik dinamik harakatni namoyish etishga imkon beradi.Dan olingan feedforward neyron tarmoqlari, RNNlar o'zlarining ichki holatidan (xotira) foydalanib, kirishlarning o'zgaruvchan uzunlikdagi ketma-ketliklarini qayta ishlashga qodir.Bu ularni ajratilmagan, bog'langan kabi vazifalarga tatbiq etadi qo'l yozuvini tanib olishyoki nutqni aniqlash.
"Qayta tiklanadigan neyron tarmoq" atamasi bir-biriga o'xshash umumiy tuzilishga ega bo'lgan ikkita keng tarmoq sinflariga nisbatan birma-bir ishlatiladi, bu erda bitta cheklangan impuls ikkinchisi esa cheksiz impuls.Ikkala tarmoq tarmoqlari ham vaqtinchalik xususiyatga ega dinamik xatti-harakatlar.Cheklangan impulsli takrorlanadigan tarmoq bu a yo'naltirilgan asiklik grafik bu ro'yxatdan o'tkazilishi va o'rniga aniq neyron tarmog'i bilan almashtirilishi mumkin, cheksiz impulsli takrorlanadigan tarmoq esa yo'naltirilgan tsiklik grafik yozib bo'lmaydi.
Har ikkala cheklangan impuls va cheksiz impulsli takrorlanadigan tarmoqlar qo'shimcha saqlangan holatlarga ega bo'lishi mumkin va saqlash to'g'ridan-to'g'ri neyron tarmoq tomonidan boshqarilishi mumkin. Vaqtni kechiktirishni o'z ichiga olgan yoki teskari aloqa ko'chadan bo'lsa, saqlashni boshqa tarmoq yoki grafik bilan almashtirish mumkin. Bunday boshqariladigan holatlar eshik yoki eshik xotirasi deb nomlanadi va ularning bir qismidir uzoq muddatli xotira tarmoqlar (LSTM) va eshikli takroriy birliklar. Bu, shuningdek, Feedback Neural Network (FNN) deb nomlanadi.
Neyron tarmoqlari kompyuter fanida eng zamonaviy hisoblanadi.Ular mohiyatan o'qitiladigan algoritmlar bo'lib, ular inson miyasi faoliyatining ba'zi jihatlarini taqlid qilishga harakat qiladi. Bu ularga o'ziga xos, o'z-o'zini tayyorlash qobiliyatini, tasniflanmagan ma'lumotlarni rasmiylashtirish qobiliyatini va eng muhimi, o'zlarining ixtiyorida bo'lgan tarixiy ma'lumotlarga asoslanib bashorat qilish qobiliyatini beradi.Neyron tarmoqlari tobora turli xil biznes dasturlarida, jumladan prognozlash va marketing tadqiqotlari echimlarida qo'llanila boshlandi. Ba'zi sohalarda, masalan firibgarlikni aniqlash yoki xavfni baholash, ular shubhasiz etakchilar. Neyron tarmoqlari qo'llanadigan asosiy sohalar moliyaviy operatsiyalar, korxonalarni rejalashtirish, savdo-sotiq, biznesni tahlil qilish va mahsulotlarga xizmat ko'rsatishdir. Neyron tarmoqlari barcha turdagi treyderlar tomonidan qo'llanishi mumkin, shuning uchun siz treyder bo'lsangiz va siz hali neyron tarmoqlari bilan tanishmagan bo'lsangiz, biz sizni ushbu texnik tahlil usuli orqali ko'rib chiqamiz va uni qanday qo'llashni sizga ko'rsatamiz. sizning savdo uslubingiz.
Genetik algoritmda a aholi ning nomzod echimlari (shaxslar, jonzotlar yoki deyiladi fenotiplar ) optimallashtirish muammosi yanada yaxshi echimlarga yo'naltirilgan. Har bir nomzodning echimi bir qator xususiyatlarga ega (uning xromosomalar yoki genotip ) o'zgarishi va o'zgarishi mumkin bo'lgan; an'anaviy ravishda echimlar ikkilikda 0s va 1s qatorlari sifatida ifodalanadi, ammo boshqa kodlashlar ham mumkin.Evolyutsiya odatda tasodifiy hosil bo'lgan shaxslar populyatsiyasidan boshlanadi va an takroriy jarayon, populyatsiya har bir iteratsiyada a deb nomlanadi avlod. Har bir avlodda fitness aholining har bir shaxsiga baho beriladi; fitnes odatda ning qiymati hisoblanadi ob'ektiv funktsiya optimallashtirish muammosida hal qilinmoqda. Shaxslar qanchalik mos bo'lsa stoxastik ravishda mavjud populyatsiya orasidan tanlangan va har bir kishining genomi o'zgartirilgan (birlashtirilgan va ehtimol tasodifiy mutatsiyaga uchragan) yangi avlodni shakllantirish uchun. Nomzod echimlarining yangi avlodi keyinchalik algoritm.Odatda, algoritm maksimal avlodlar soni ishlab chiqarilganda yoki aholi uchun qoniqarli darajaga erishilganda tugaydi.

Oddiy genetik algoritm quyidagilarni talab qiladi.

1. a genetik vakillik eritma domeni,

   
   

2. a fitness funktsiyasi echim maydonini baholash.

   
   

Har bir nomzod echimining standart vakili bitlar qatori.Boshqa turdagi va tuzilmalar massivlaridan ham xuddi shu tarzda foydalanish mumkin. Ushbu genetik vakilliklarni qulaylashtiradigan asosiy xususiyat shundaki, ularning qismlari aniq o'lchamlari tufayli osongina tekislanadi, bu oddiylikni osonlashtiradi krossover operatsiyalar.O'zgaruvchan uzunlik ko'rsatkichlari ham ishlatilishi mumkin, ammo krossoverni amalga oshirish bu holda ancha murakkab. Daraxtga o'xshash vakolatxonalar o'rganiladi genetik dasturlash va grafik shaklidagi tasvirlar o'rganiladi evolyutsion dasturlash; ikkala chiziqli xromosomalar va daraxtlarning aralashmasi o'rganiladi gen ekspressionini dasturlash.

Genetik vakillik va fitnes funktsiyasi aniqlangandan so'ng, GA eritmalar populyatsiyasini boshlashga, so'ngra mutatsion, krossover, inversiya va selektsiya operatorlarini takroriy qo'llash orqali yaxshilashga kirishadi.