Snt, odatda oddiygina neyron tarmoqlari

Tarmoq dizayni

Neyron arxitektura qidiruvi (NAS) SNT dizaynini avtomatlashtirish uchun mashinani oʻrganishdan foydalanadi. Asosiy qidiruv algoritmi nomzod modelini taklif qilish, uni maʼlumotlar toʻplamiga nisbatan baholash va natijalardan NAS tarmogʻini oʻrgatish uchun fikr-mulohaza sifatida foydalanishdir.^[83] Mavjud tizimlar orasida AutoML va AutoKeras mavjud.^[84]
Dizayn masalalari tarmoq qatlamlarining soni, turi va ulanishini, shuningdek, har birining oʻlchamini va ulanish turini (toʻliq, birlashma,...).
Giperparametrlar, shuningdek, dizayNTing bir qismi sifatida aniqlanishi kerak(ular oʻrganilmagan), har bir qatlamda qancha neyron borligi, oʻrganish tezligi, qadam, qadam, chuqurlik, qabul qiluvchi maydon va toʻldirish (CNT uchun) va hokazo.

Foydalanish

Sunʼiy neyron tarmoqlardan foydalanish ularning xususiyatlarini tushunishni talab qiladi.

• 
  Modelni tanlash: Bu maʼlumotlar taqdimoti va ilovaga bogʻliq. Haddan tashqari murakkab modellar sekin oʻrganishdir.
  
• 
  Oʻrganish algoritmi: Oʻrganish algoritmlari oʻrtasida koʻplab kelishuvlar mavjud. Deyarli har qanday algoritm maʼlum bir maʼlumotlar toʻplamini oʻqitish uchun toʻgʻri giperparametrlar bilan yaxshi ishlaydi. Biroq, koʻrinmas maʼlumotlar boʻyicha trening algoritmini tanlash va sozlash muhim tajribani talab qiladi.
  
• 
  Barqarorlik: Agar model, xarajat funksiyasi va oʻrganish algoritmi toʻgʻri tanlangan boʻlsa, natijada SNT mustahkam boʻlishi mumkin.
  

SNT imkoniyatlari quyidagi keng toifalarga kiradi: 

• 
  Funksiyani yaqinlashtirish yoki regressiya tahlili, jumladan, vaqt seriyasini bashorat qilish, fitnesga yaqinlashtirish va modellashtirish.
  
• 
  Tasniflash, shu jumladan naqsh va ketma-ketlikni aniqlash, yangilikni aniqlash va ketma-ket qaror qabul qilish.^[85]
  
• 
  Maʼlumotlarni qayta ishlash, jumladan, filtrlash, klasterlash, koʻr manbalarni ajratish va siqish.
  
• 
  Robototexnika, shu jumladan boshqarish manipulyatorlari va protezlari.