Mavzu: Ko`p sathli neyron tarmoqlari Reja

Mavzu: Ko`p sathli neyron tarmoqlari


Reja:

1. 
   Neyron tarmoqlari nima?
   
2. 
   Neyron tarmoqlarini qo'llash
   
3. 
   Neyron tarmoqlarining turlari
   

Kirish

Hozirda sun'iy intellekt va neyron tarmoqlari masalalari har qachongidan ham ommalashmoqda. Ko'pchilikda neyron tarmoqlari qanday ishlashi, ularning faoliyati va ularning ishlash prinsipi nimaga asoslanganligi haqida tobora ko'proq savollar tug‘ilmoqda. Ushbu masalalar mashhurlik bilan bir qatorda sezilarli darajada murakkabdir, chunki jarayonlar turli xil maqsadlar uchun mo'ljallangan murakkab mashina o'rganish algoritmlari, o'zgarishlarni tahlil qilishdan ma'lum harakatlar bilan bog'liq xavflarni modellashtirishgacha.
Neyron tarmoqlari biologik analoglarning soddalashtirilgan modelidir. Neyron tarmog'ining tuzilmasiga ega bo'lgan dastur mashinaga kirish ma'lumotlarini tahlil qilish va ma'lum manbalardan olingan natijani saqlash imkonini beradi. Keyinchalik, ushbu yondashuv, agar u tarmoq sikllari tajribasida bo'lgan bo'lsa, joriy ma'lumot to'plamiga mos keladigan natijani xotiradan olish imkonini beradi.
Ko'pchilik neyron tarmog'ini inson miyasining analogi sifatida qabul qiladi. Bir tomondan, bu taxminni haqiqatga yaqin deb hisoblash mumkin, ammo boshqa tomondan, inson miyasi juda murakkab mexanizm bo'lib, uni hech bo'lmaganda foizning bir qismi uchun mashina yordamida qayta yaratishga qodir. Neyron tarmog'i – bu asosan miyaning prinsipiga asoslangan dastur, ammo uning hamkasbi emas. TensorFlow kutubxonasini ishlab chiquvchilari uni moslashuvchan, samarali, kengaytiriladigan, ko'chma qilishga intildilar. Natijada, uni mobil qurilmalar uchun yaratadigan va ulkan klasterlar vakili yaratadigan turli xil hisoblash muhitlarida ishlatish mumkin bo‘ladi. Kutubxona sizga tezda o'qitilgan modellarni haqiqiy ish uchun tayyorlashga imkon beradi, bu ishlab chiqarish maqsadlari uchun modellarning maxsus dasturlarini yaratish zaruratini yo'q qiladi.
Neyron tarmoq modellari
Neyron tarmoqlari hal qila oladigan barcha vazifalar qandaydir tarzda o'rganish bilan bog'liq. Neyron tarmoqlarini qo'llashning asosiy yo'nalishlari qatoriga prognozlash, qaror qabul qilish, namunalarni tanib olish, optimallashtirish, ma'lumotlarni tahlil qilish kiradi.
Neyron tarmoqlarining eng mashhur turlaridan biri bu "atalmish" konvolyutsionvizual tasvirni (tasvir va video) tanib olish, tavsiya etuvchi tizimlar va tabiiy tilni qayta ishlashda samarali ekanligi isbotlangan:
Ular mukammal darajada ölçeklenebilir va o'zboshimchalik bilan yuqori piksellar sonini aniqlash uchun foydalanish mumkin;
Ular hajmli (uch o'lchovli) neyronlardan foydalanadilar. Qatlam ichidagi neyronlarni faqat qabul qiluvchi maydon deb ataladigan kichik joylar bog'laydi;
Qo'shni qatlamlarning neyronlari fazoviy lokalizatsiya mexanizmi bilan bog'langan. Ko'plab bunday qatlamlarni stacking qilish tobora ko'proq piksellarga javob beradigan chiziqli bo'lmagan filtrlarni beradi;
H ar bir filtr butun ko'rish maydonini qamrab olish uchun kengayadi. Ushbu birliklar takrorlanadi, mavjud parametrlarni baham ko'radi va xaritani shakllantiradi. Shunday qilib, ma'lum konvolyutsion qatlamning barcha neyronlari bir xil ob'ektga (ma'lum bir javob mintaqasi ichida) javob berishni boshlaydi. Konvolyutsion tarmoqlar sun'iy neyron tarmoqlarining eng mashhur turlari qatoriga kiradi. Vizual naqshlarni (video va tasvirlarni), tavsiyalar tizimlarini va tillarni qayta ishlashni tanib olishda ular ushbu usulni samarali isbotladilar.
Konvolyutsion neyron tarmoqlari juda miqyosli va har qanday katta o'lchamdagi naqshlarni aniqlash uchun ishlatilishi mumkin.
Ushbu tarmoqlarda uch o'lchovli neyronlardan foydalaniladi. Bir qatlam ichida neyronlarni faqat qabul qiluvchi qatlam deb ataladigan kichik maydon bog'laydi.
Qo'shni qatlamlardagi neyronlar fazoviy lokalizatsiya mexanizmi orqali bog'langan. Ushbu qatlamlarning ko'pchiligining ishi piksellar sonining ko'payishiga javob beradigan maxsus chiziqli bo'lmagan filtrlar bilan ta'minlanadi.
Matnli ma'lumotlarni tanib olish va qayta ishlashda takroriy neyron tarmoqlardan foydalaniladi (chastotada ular Google tarjimoni, Yandex Palekh algoritmi, Apple Siri ovozli yordamchisi tomonidan qo'llaniladi).