ЎҚув материаллари

Розенблатт персептрони. 1957 йилда Розенблатт нейрофизика принципларига асосланган нейронни ўргатувчи эвристик алгоритмни таклиф қилди ва бу қоида қуйидагича формаллаштирилади: аломатларни ҳозирча бинар деб оламиз , жавоблар ҳам фақат икки қиймат қабул қилсин . Фараз қилайлик, объект классификациясидан кейин тўғри жавоб маълум бўлсин, 3 ҳолат бўлиши мумкин:

1. 
   Агар жавоб билан мос тушса, у ҳолда вазнлар векторини ўзгартириш керак эмас.
   
2. 
   Агар ва бўлса, у ҳолда вазнлар вектори оширилади, яъни, бўлган вазн оширилади, бошқа компонентларни ўзгартириш натижага таъсир кўрсатмайди ва
   , – ўрганиш суръати.
   
3. 
   Агар ва бўлса, у ҳолда вазнлар вектори камайтирилади: .
   

Бу 3 ҳолат Хебб қоидасида бирлаштирилади:
агар бўлса, у ҳолда .
Таянч векторлар усули (SVM). 60-70 йилларда В.Н. Вапник раҳбарлигидаги математиклар гуруҳи оптимал ажратувчи гипертекисликни қуришга асосланган умулашган портрет усулини ишлаб чиқдилар. Оптималликка қўйилган талаб, ўргатилаётган объектлар ажратувчи текисликдан иложи борича узоқда бўлиши шарт.
90-йилларда усул кенг танилди ва бир қанча ўзгартиришлардан кейин таянч векторлар усули (support vector machine, SVM) дея ном олди. Ҳозирги кунда бу усул энг яхши классификация усулларидан ҳисобланади.
SVM усули бир нечта ажойиб хусусиятларга эга. Биринчидан, SVM ни ўргатиш ҳатто юз минглаган объектдан иборат танловда ҳам етарлича самарали ҳисобланадиган ягона ечимга эга бўлган квадратик дастурлаш масаласига келтирилади. Иккинчидан, ечим сийракланганлик хусусиятига эга, яъни, оптимал ажратувчи гипертекисликнинг жойлашиши ўргатувчи объектларнинг жуда кам қисмига боғлиқ. Улар таянч векторлар дейилади ва қолган объектлар қатнашмайдилар. Ва ниҳоят, ядро функциясини киритиш орқали математик йўл билан SVM чизиқсиз ажратувчи юза ҳолати учун ҳам умумлаштирилди. Берилган амалий масала учун ядро танлаш саволи ҳалигача назарий муаммо бўлиб очиқ қолмоқда.