- Neyron to’ri va tabiiy tilga ishlov berish: Matematik model, neyron bilan assosiativ xotira
- Sun'iy neyron to’ri texnologiyasining asosiy printsiplari
- Biologik neyron tizimlarining past darajadagi tuzilishini matematik modellashtirish
- Tizim kirish ma'lumotlari oqimini javob tasviriga o'zgartiradi, uni interpretatsiyalash muammoni hal qiladi
- Biologik neyron - asab tizimining asosiy tarkibiy va funktsional birligidir. Hujayra murakkab tuzilishga ega (yadro, tana, jarayonlar).
- Har bir neyron ko'plab neyronlardan signallarni qabul qiladi va o'z navbatida boshqalarga impulslarni yuboradi.
- Neyronning asosiy vazifasi ma'lumot olish, uni "tushunish" va davom etishdir.
- Inson miyasida neyronning elektron mikroskopik fotosurati va qo'shni neyronlar ulanishining sxematik ko'rinishi
- Miyada korteksda ~ 30 milliard neyron mavjud. Bir kvadrat millimetr maydoni bo'lgan qatlamda ~ 50 ming neyron mavjud.
- O'rtacha har bir neyron uchun ~ 10 sm asab tolalari. Bundan tashqari, har bir neyron 40 minggacha ulanishga ega bo'lishi mumkin.
- Voyaga etgan inson miyasining biologik neyron tarmog'ining bir qismining elektron mikroskopik fotosurati
- Kuchli parallellashtirilgan tizim sifatida yuqori tarmoqli tarmoq tezkor zamonaviy kompyuterlarning ish qobiliyatidan yuqori bo'lgan hisoblash qobiliyatlarini amalga oshiradi.
- Masalan: ko'rish orqali obrazni aniqlash (notanish muhitda tanish yuzni aniqlash). Retseptorlari va miya neyronlarining o'zaro ta'siri va ma'lumot almashinuvi.
- 0,1 sekunddan kam vaqt ichida miyani qayta ishlash
- Miya hayot davomida dinamik holatda. Avvalgi tajribaga asoslangan o'z qoidalariga ko'ra neyronlar orasidagi millionlab aloqalarni quradi va yo'q qiladi, shaxsiyatning individual xususiyatlarini doimiy ravishda sozlaydi.
- Neyron to’rlari nazariyasining rivoji
- Yigirmanchi asrning boshlarida miya va miya tuzilishini o'rganish matematik apparatlar ishtirokidagi hisoblash tajribalarining asosidir
- Maqsad asabiy biologik tizimlarning xatolarni o'rganish va tuzatish qobiliyatini ko'paytirishdir
- Faqat past darajadagi neyron tuzilishini modellashtirishga urinishlar, chunki inson miyasi o'ta murakkab, chiziqli bo'lmagan ma'lumotlarni qayta ishlash tizimi ekanligi aniq bo'ldi
- 1943 yil amerikalik matematik va faylasuf Norbert Viyener - murakkab biologik jarayonlarni oddiy matematik modellar sifatida aks ettirish g'oyasi
- 1943 yil Uorren Sturgis MakKulox, amerikalik neyropsikolog va Valter Pitts birinchi neyron modelini taklif qilishdi va miya faoliyati nazariyasining asosiy printsiplarini shakllantirishdi.
- 1949 yil Kanadalik fiziolog va neyropsixolog Donald Olding Hebb - sun'iy neyron tarmoqlarini o'qitish uchun birinchi algoritm.
- 1957: Frank Rosenblatt
- Sun'iy intellekt asoslari
- Oddiy muammolarni o'rganish va hal qilishga qodir bo'lgan birinchi Mark-1 neyrokompyuteri (1960). Xususiyat - Perceptron (perceptron) algoritmi.
- Perceptron - miya tomonidan ma'lumotni qabul qilishning matematik modeli, miyaning kibernetik modeli.
- Tushunchalar kirish signallari va chiqish vaqtida kerakli javob o'rtasida bog'liqlik to'plamini yaratishga imkon beradi. Biologik nuqtai nazardan, bu, masalan, vizual ma'lumotni motorli neyronlarning fiziologik reaktsiyasiga aylantirishga to'g'ri keladi.
- 1982 yil Teuvo Kohonen
- Assotsiativ xotira nazariyasi
- O'z-o'zini o'rganish neyron tarmoqlari (neyron tarmog'i / Kohonen qatlami)
- Nostandart ma'lumotlarni guruhlash va vizualizatsiya vazifalarini hal qilish (Kohonenning o'zini o'zi tashkil etadigan xaritasi)
- Ramziy ma'lumotlarni qayta ishlash uchun asl algoritmlar
- O'z-o'zini tashkil etadigan karta
- Nutqni aniqlash va ketma-ketlikni "eslab qolish" uchun yuqori samarali neyron tarmoq tizimini yaratish
- Neyron tarmog'ining ichki xotirasini realizatsiya qilish, yashirin qatlamlarga geribildirim ko'chadan ulash
- ANN arxitekturasi kuzatilgan jarayonlar tarixini hisobga olishga va to'g'ri boshqarish / prognozlash strategiyasini ishlab chiqish uchun ma'lumot to'plashga imkon beradi.
- Oddiy sinaptik aloqa modeli
- Sun'iy neyron tarmog'i (ANN) - bu oddiy va protsessorlar - sun'iy neyronlarning o'zaro bog'liq bo'lgan tizimi.
- Neyron protsessorlari juda oddiy. Ularning har biri faqat vaqti-vaqti bilan qabul qiladigan signallar va vaqti-vaqti bilan boshqa protsessorlarga yuboradigan signallar bilan shug'ullanadi.
- Boshqariladigan o'zaro ta'sirga ega tarmoqqa ulangan bunday oddiy hisoblash moslamalari birgalikda juda murakkab muammolarni echishga qodir.
- Assotsiatsiyalangan A-element S-elementlarning kirishlari soni ma'lum bir v chegara qiymatidan oshib ketishi bilan faollashadi.
- O'z navbatida, "hayajonlangan" A-elementlarning signallari R adapteriga, i-chi assotsiativ elementdan keladigan signal esa wi koeffitsienti bilan (A-R ulanishning og'irligi) uzatiladi.
- R-element og'irlik bilan ko'paytiriladigan kirish signallarining qiymatlari yig'indisini hisoblaydi. R-element (percepttron), agar chegara v oshsa, “1” beradi, aks holda chiqish “−1” bo'ladi.
- O'qish jarayoni A-R aloqalarining og'irliklarini o'zgartirishdan iborat.
- Hozirgi bosqichda bir qatlamli neyron ko'proq tarixiy qiziqish uyg'otadi, ammo uning misolidan foydalanib, neyron tarmoqlarini o'rgatish uchun asosiy tushunchalar va oddiy algoritmlarni o'rganish mumkin..
- Neyronning matematik modeli
- Matematik jihatdan, neyron - bu og'irligi va matritsasi orqali aniqlanadigan og'irlikdagi yopishtiruvchi xisoblanadi:
- xi va wi – mos ravishda neyron va kirishlarning og'irliklari signallari, s funktsiyasi induktsiyalangan mahalliy maydon deb ataladi., а f(s) – uzatish funktsiyasi. Qo’shimcha kirish x0 va unga mos w0 neyronni initsalizatsiyalash deb ataladi. B qiymat (olish koeffisenti) bo’lib neyronning chegaraviy sezuvchanligini formallashtiradi.
- Sun'iy neyronlarning funktsiyalarini uzatish
- Boshqa misollar:
- Экспонента
- Тригонометрический синус
- Модульная
- Квадратичная
- Радиально-базисная
- Гиперболический тангенс
- f(s) signal neyron chiqishi bilan uning kirishidagi signallarning og'irlik yig'indisiga bog'liqligini aniqlaydi.
- Sun'iy neyron to'liq uzatish funktsiyasi bilan ajralib turadi. Turli xil uzatish funktsiyalaridan foydalanish neyron va umuman nerv tarmog'ining ishlashiga nochiziqlilikni joriy etish imkonini beradi.
- ANNning ishlash printsiplari
- Parallel ravishda ishlaydigan va ketma-ket ulangan sun'iy neyronlar neyron tarmog'ining asosini tashkil qiladi.
- Tabiatda bo'lgani kabi, neyron tarmoqning ishlashi ko'p jihatdan elementlar orasidagi bog'lanish bilan belgilanadi. Aloqa koeffitsientlarining (og'irliklarning) qiymatlarini sozlash orqali ma'lum bir funktsiyani bajarish uchun neyron tarmog'ini sozlash (o'rgatish) mumkin.
- Sun'iy neyron tarmoqlar ma'lum kirishlar berilgan maqsadga aylantirilishi uchun sozlangan yoki o'qitilgan. Tarmoq, chiqish chiqishi va maqsad signallarini taqqoslash asosida, tarmoq chiqishi mos kelguncha o'qitiladi, ya'ni. maqsadga yaqin.
- Tarmoqni shunday boshqariladigan o'rganish bilan o'rgatish uchun, qoida tariqasida, kirish / maqsad signallarining ko'p juftliklaridan foydalaniladi.
- Neyron tarmog‘i yondoshuvining afzalliklari
- An'anaviy tahlil usullari bilan etarli darajada rasmiylashtirib bo'lmaydigan muammolarni hal qilish, chunki tasvirlangan jarayonning barcha xususiyatlarini hisobga olish mumkin emas.
- Hozirda hal qilish uchun matematik apparatlar mavjud bo'lmagan rasmiylashtirilgan masalalarni hal qilish.
- Mavjud matematik apparatlar bilan rasmiylashtirilgan muammolarni hal qilish uchun ularni echish uchun, ammo u bilan hisob-kitoblarni amalga oshirish sarflangan hisoblash resurslariga qo'yiladigan talablarni qondirmaydi.
- Faqatgina etarlicha katta eksperimental ma'lumotlardan foydalangan holda tizimning aniq jismoniy namoyishini yaratmasdan aniq bo'lmagan modelni olish.
- Ko'rib chiqilayotgan jarayonda o'rganilgan sabablar munosabatlari to'g'risidagi jismoniy g'oyalarni hisobga olgan holda ANNni yaratish. O'rganilgan signallarning korrelyatsion ishlov berishning ularning nochiziqli o'zgarishi bilan kombinatsiyasi.
- Foydalanishning asosiy yo'nalishlari
- Tasvirni tiklash, tizim holatini bashorat qilish
- Sababli aloqada ketma-ket ma'lumotlar guruhlari o'rtasidagi munosabatlarni tushuntirish.
-
- 2) Timsollarni aniqlash
- O'xshash xususiyatlar bo'yicha ma'lumotlarni guruhlarga birlashtirish va shu asosda o'rganilgan hodisalarning xarakterli xususiyatlarini ta'kidlash.
- Kerakli sun'iy tarmoqni sintez qilish vazifasi kibernetikaning umumiy muammosi bo'lib, u ma'lum bir funktsional xulq-atvorga ega bo'lgan sun'iy tizim qurishdan iborat.
- Ushbu muammoni hal qilish uchun standart qadamlar quyidagilar:
- 1.Muammoni hal qilish uchun zarur bo'lgan xususiyatlarni tanlash va xususiyatlar maydonini shakllantirish
- 2.Neyron tarmoq arxitekturasini tanlash yoki rivojlantirish, hal qilinayotgan vazifaga mos keladigan
- 3.Funktsional fazolarning eng vakillik vektorlaridan o'quv namunasini olish
- 4.Neyron tarmog'ini mashg'ulotlar to'plamida tayyorlash
- Neyron to’rining o’qitish algoritmlari
- Neyron tarmog'ini o'rganish jarayoni (algoritmi) quyidagi voqealar ketma-ketligini o'z ichiga oladi.
- 1.Neyron tarmoq tashqi muhit tomonidan stimullarni oladi
- 2.Neyron tarmog'ining erkin parametrlari (neyron ulanishlarining og'irligi va joy almashishi) o'zgarib bormoqda.
- 3.Parametrlarni o'zgartirgandan so'ng, neyron tarmoq kiruvchi stimullarga boshqacha javob beradi.
- Barcha neyron tarmoqlari uchun mos universal ta'lim algoritmi mavjud emas. Faqat turli xil o'quv algoritmlari bilan ifodalangan vositalar to'plami mavjud, ularning har biri o'zining afzalliklari va kamchiliklariga ega.
- Barcha o'zgaruvchan og'irliklarning maqbul qiymatlarini topish kerak. ANNlarning vazifalarni hal qilish qobiliyati ular qidirilgan sifatga bog'liq..
Neyron to’ri Neyron to’rining qo’llash sohlari Спасибо за внимание !!!
Do'stlaringiz bilan baham: |