Mashinali o’qitishga kirish” fanidan mustaqil ish №5

MUHAMMAD AL-XORAZMIY NOMIDAGI
TOSHKENT AXBOROT TEXNOLOGIYALARI UNIVERSITETI
SAMARQAND FILIALI
5330300- TTKT (Axborot Xavfsizligi) ta’lim yo’nalishi

“Mashinali o’qitishga kirish” fanidan

MUSTAQIL ISH № 5

Mavzu: Teran neyron tarmoqlar(DNN).

Bajardi: Panjiyev Akbar.
Qabul qildi: Kubayev S.T.


Samarqand – 2022

Mavzu: Teran neyron tarmoqlar(DNN).
Mavzu rejasi:

1. 
   Neyron tarmoqlar haqida qisqacha ma’lumot
   
2. 
   Sun’iy neyron tarmoqlari
   
3. 
   Neyron tarmoqlar misollar yordamida
   

Tayanch iboralar: neyron, neyron tarmoqlar, biologic neyron, ekspert tizimlar, sun’iy neyron tarmoqlari.
Sun'iy neyron tarmoqlarning evolyutsion rivojlanishi ko'rib chiqiladi: Makkaloch-Pitts neyroni ko'rinishidagi kelib chiqishidan zamonaviy chuqur arxitekturalargacha. Asosiy "neyron tarmoq inqirozlari" sanab o'tilgan va ularning paydo bo'lish sabablari ko'rsatilgan. Asosiy e'tibor yorliqli ma'lumotlar namunasida "o'qituvchi bilan trening" rejimida neyron arxitekturasini o'rganishga qaratilgan.
Sun'iy neyron tarmoqlari rahbarligida nazariy asosni tashkil etuvchi original ishlar va fundamental matematik teoremalarga havolalar berilgan. Samarali chuqur neyron arxitekturasini shakllantirish yo'lidagi qiyinchiliklarning sabablari tahlil qilinadi, duch kelgan qiyinchiliklarni hal qilish yo'llari ko'rib chiqiladi va muvaffaqiyatga yordam beradigan holatlar ta'kidlanadi. Konvolyutsion va takroriy neyron tarmoqlarning asosiy qatlamlari, shuningdek, ularning arxitektura birikmalari sanab o'tilgan.
Misollar va maqolalarga havolalar chuqur neyron tarmoqlarning nafaqat aniq strukturaviy naqshlarga ega ma'lumotlar (tasvirlar, ovoz, musiqa va boshqalar), balki stokastik/xaotik signallar bo'yicha ham samaradorligini ko'rsatadi. Konvolyutsion neyron tarmoqlarni rivojlantirishning asosiy yo'nalishlaridan biri - qatlamlarga o'rgatish mumkin bo'lgan integral transformatsiyalarni kiritish ham alohida ta'kidlangan.
Asosiy darajada zamonaviy arxitektura "Transformator" ko'rib chiqiladi - ketma-ketliklarni qayta ishlash vazifalarida (shu jumladan hisoblash tilshunosligida) asosiy oqim. Sun'iy neyron tarmoqlarning zamonaviy nazariyasining asosiy muammolari keltirilgan.
Tran o'rganish - bu ma'lumotlarni qayta ishlash jarayonida inson miyasining ishini taqlid qilish va qarorlar qabul qilish uchun ishlatiladigan naqshlarni yaratishga asoslangan mashinani o'rganish usullarining keng oilasi. Qoida tariqasida, chuqur o'rganish katta hajmdagi ma'lumotlar bilan ishlashga mo'ljallangan va modelni o'rgatish uchun murakkab algoritmlardan foydalanadi[2]. Katta ma'lumotlar to'plamlarida chuqur o'rganish an'anaviy mashinani o'rganish bilan solishtirganda natijalarning yuqori aniqligini ko'rsatadi. Ishlashning (natijalarning sifati) ma'lumotlar miqdoriga bog'liqligi quyidagi rasmda ko'rsatilgan
Mashinani o'rganishning ushbu bo'limi 1980-yillarda paydo bo'lganiga qaramay, yaqin vaqtgacha mavjud kompyuterlarning hisoblash quvvati yo'qligi sababli undan foydalanish keskin cheklangan edi. Vaziyat faqat 2000-yillarning o'rtalarida o'zgardi.

Chuqur o'rganish modellarini yaratishga biologik asab tizimlarida sodir bo'ladigan ba'zi jarayonlar va naqshlar ta'sir ko'rsatdi. Shunga qaramay, bu modellar biologik miyadan ko'p jihatdan farq qiladi (ham tuzilishi, ham funktsiyasi), bu esa nevrologiyada qo'llaniladigan teorema va dalillardan foydalanishni imkonsiz qiladi.

Transfer o'rganish - bu boshqa muammoni hal qilishda neyron tarmoq tomonidan olingan bilimlar muammosini hal qilish uchun qo'llanilishi.

Chuqur neyron tarmoqlar konvergentsiyani o'rgatish uchun katta hajmdagi ma'lumotlarni talab qiladi. Shuning uchun, neyron tarmog'ining barcha qatlamlarini yaxshi o'rgatish uchun hal qilinayotgan muammo uchun etarli ma'lumotlar bo'lmaganda, vaziyat ko'pincha yuzaga keladi. Ushbu muammoni hal qilish uchun transfer o'rganish qo'llaniladi [22].

Ko'pincha transfer o'rganish quyidagicha ko'rinadi: ma'lum bir vazifa uchun o'qitilgan neyron tarmoqqa yana bir nechta yashirin qatlamlar qo'shiladi, bu esa olingan bilimlardan aniqroq vazifani hal qilish uchun foydalanishga imkon beradi. Masalan, turli ob'ektlarni tanib olishni o'rganishda olingan bilimlar oziq-ovqat mahsulotlarini tanib olish muammosini hal qilish uchun ishlatilishi mumkin.