Zbekiston respublikasi raqamli texnologiyalar vazirligi muhammad al-xorazmiy nomidagi

Yashirin qatlamli perseptron ( elementar perceptron , eng. elementar perceptron ) har bir S, A va R elementlarning faqat bitta qatlamiga ega perseptrondir.
Single-layer perceptron (ing. Single-layer perceptron ) - perceptron, uning har bir S-elementi yagona A-elementga mos keladi, SA ulanishlari har doim og'irlikka ega 1 , har qanday A-elementning chegarasi esa 1 ga teng . Bir qatlamli perseptronning bir qismi sun'iy neyron modeliga mos keladi.
Uning asosiy xususiyati shundaki, har bir S-element yagona A-elementga mos keladi, barcha SA havolalari +1 ga teng vaznga ega va A elementlarning chegarasi 1 ga teng . Bir qavatli perseptronning kirishlar bo'lmagan qismi rasmda ko'rsatilganidek, sun'iy neyronga mos keladi. Shunday qilib, bir qatlamli perseptron - bu kirish sifatida faqat 0 va 1 ni qabul qiladigan sun'iy neyron .
Bir qavatli perseptron elementar perseptron ham bo'lishi mumkin, unda faqat bir qatlam S, A, R elementlar mavjud.
Rosenblatt ko'p qatlamli perseptron 1 dan ortiq A-elementlarni o'z ichiga olgan perseptrondir.
Rumelhart bo'yicha ko'p qatlamli perseptron (ing. Rumelhart multilater perceptron ) - Rosenblatt bo'yicha ko'p qatlamli perseptronning maxsus holati, ikkita xususiyatga ega:

• 
  SA havolalari ixtiyoriy og'irliklarga ega bo'lishi mumkin va AR havolalari bilan teng ravishda o'qitilishi mumkin;
  
• 
  Trening maxsus algoritm bo'yicha amalga oshiriladi, bu xatoni orqaga yoyish usuli bilan mashq qilish deb ataladi.
  

Perceptron tayyorlash
Perseptronni o'rgatish vazifasi, imkon qadar tez-tez o'quv namunasidagi qiymatga to'g'ri keladigan narsani tanlashdir (bu erda faollashtirish funktsiyasi). Qulaylik uchun, bepul atama bo'ylab sudrab ketmaslik uchun $x$ vektoriga qo'shimcha "virtual o'lcham" qo'shamiz va deb faraz qilamiz . Keyin bilan almashtirishingiz mumkin .
Ushbu funktsiyani o'rgatish uchun biz avval xato funksiyasini tanlashimiz kerak, keyin uni gradient tushishi bilan optimallashtirish mumkin . Noto'g'ri tasniflangan misollar soni ushbu nomzodga mos kelmaydi, chunki bu funktsiya bo'laklarga bo'linadi va juda ko'p uzilishlarga ega: u faqat butun son qiymatlarini oladi va noto'g'ri tasniflangan misollar sonidan boshqasiga o'tishda keskin o'zgaradi. Shuning uchun biz perseptron mezoni deb ataladigan boshqa funktsiyadan foydalanamiz : , bu erda og'irliklarga ega perseptron noto'g'ri tasniflaydigan misollar to'plami .
Boshqacha qilib aytganda, biz javoblarimizning to'g'ri javoblardan to'liq chetlanishini minimallashtiramiz, lekin faqat noto'g'ri yo'nalishda; to'g'ri javob xato funktsiyasiga hech qanday hissa qo'shmaydi. Bu yerga ko'paytirish mahsulotning belgisi har doim manfiy bo'lib chiqishi uchun zarur: agar to'g'ri javob -1 bo'lsa, idrok etuvchi musbat raqam berdi (aks holda javob to'g'ri bo'lar edi) va aksincha. Natijada, biz deyarli hamma joyda farqlanadigan qismli chiziqli funktsiyaga egamiz va bu etarli.
Endi biz gradient tushishi bilan optimallashtirishimiz mumkin. Keyingi bosqichda biz quyidagilarni olamiz: .
Algoritm quyidagicha - biz ketma-ket o'quv to'plamidan misollarni ko'rib chiqamiz va har biri uchun :

• 
  agar u to'g'ri tasniflangan bo'lsa, hech narsani o'zgartirmang;
  
• 
  va agar noto'g'ri bo'lsa, qo'shing .
  

Bunday holda, misoldagi xato aniq kamayadi, lekin, albatta, boshqa misollardagi xatolik bir vaqtning o'zida ko'paymasligiga hech kim kafolat bermaydi. Ushbu vaznni yangilash qoidasi perseptronni o'rganish qoidasi deb ataladi va bu Rosenblatt ishining asosiy matematik g'oyasi edi.
Ilova

• 
  Agar tasniflash ob'ektlari chiziqli bo'linish xususiyatiga ega bo'lsa, tasniflash masalalarini yechish:
  
• 
  Bashorat qilish va naqshni aniqlash:
  
• 
  Agent boshqaruvi.