Sun’iy neyron tarmoqlari Ma’ruza rejasi
Download 1.45 Mb. Pdf ko'rish
|
Suniy neyron tarmog\'i
- Bu sahifa navigatsiya:
- Kiruvchi qatlam (input layer)
- Bog’lanishlar va og’irlik koeffitsentlari (weights)
- Faollashtirish funksiyasi (activation function, transfer function)
|
Chiziqli funksiya
Sigmoid funksiya Giperbolik tangens Oraliq diapazon [-1,1] Oraliq diapazon [0,1]. Faollashtirish funksiyalari Faollashtirish funksiyalari Barcha neyronlar bo’yicha hisoblashlar amalga oshirilganidan keyin quyidagi “sigmoid” yoki ReLU funksiyasi grafigi asosida shakllantiriladi va funksiya qiymati mos ravishda [0-1] va [0, N] oraligida o’zgarib turadi. Faollashtirish funksiyalari ko’rinishi (Sigmoid va ReLU funksiyasi) Neyron tarmoq tashkil etuvchilari Kiruvchi qatlam (input layer) – obyektga tegishli bo’lgan kiruvchi ma’lumotlar (Masalan, 28x28 o’lchamdagi tasvir bo’ladigan bo’lsa, 784 ta kiruvchi parametr); Chiquvchi qatlam (output layer) – hisoblash natijasini ko’rsatadigan natijaviy qatlam; Yashirin qatlamlar (hidden layer) – neyron tarmog’ida asosiy hisoblashlarni amalga oshiruvchi ko’p sathli (yoki bitta sath) neyronlar jamlanmasi; Bog’lanishlar va og’irlik koeffitsentlari (weights) – neyron tarmog’idagi bog’lanish koeffitsentlari hisoblanadi, bunda kiruvchi sath neyronlari ushbu koeffitsentlarga kop’paytirish orqali, agar tarmoq bir nechta sathdan iborat bo’lsa unda natijaviy qatlam, keyingi qatlam uchun kiruvchi sath bo’lib hisoblanadi va ularning ham og’irlik koeffitsentlari bo’ladi. Faollashtirish funksiyasi (activation function, transfer function) – chiquvchi qatlam uchun qiymatlarni muvoffiqlashtiruvchi funksiya (softmax, relu) hisoblanadi O’qitish qoidasi (learning rule) - bu tarmoqqa berilgan kirish uchun qulay natijaga erishishda neyron tarmoq parametrlarini o'zgartiradigan qoida yoki algoritm. Neyron qanday ishlaydi? Misol uchun oldingi slaydda berilgan rasmga ko’ra 3 ta kiruvchi parametrlar (x1, x2, x3) mavjud va ular neyronga kirib keladi. Ushbu kiruvchi qiymatlar neyronga kirishidan oldin mos ravishda og’irlik koeffitsentlariga (“weight” (w1, w2, w3)) ko’paytiriladi va bu qiymatlar neyronlarni bir-biriga bog’lash koeffitsenti deb ham ataladi. Har bir neyronning og’irlik koeffitsenti mavjud bo’lib, ushbu qiymatlar neyronni o’qitish jarayonida tanlanadi. Bundan tashqari, neyronni hisoblashda ozod had, “bias” koeffitsentidan ham foydalaniladi. Bu neyronning qiymati emas balki o’qitish jarayonida tanlanadigan va neyron tarmog’ini hisoblashda foydali hisoblanadi. |
