|
1. Sun’iy intellek nima? Mashinali o‘qitish va suniy intellekt
|
| bet | 24/32 | | Sana | 20.12.2023 | | Hajmi | 46,87 Kb. | | #125194 |
Bog'liq mashinaliSigmoid funksiya: Ushbu funksiya odatda chetli yoki g'ayri chetli miqdorlarni qabul qiladi va ularni 0 va 1 orasiga tartiblaydi. U sigmoid funksiyasi umumiy kirishni 0 va 1 oralig'ida tartiblashda yordam beradi.
f(x)=1+e−x1
ReLU (Rectified Linear Unit) funksiya: Bu funksiya odatda sun'iy neyron tarmoqlarida ishlatiladi. Agar x qiymati manfiy bo'lsa, ReLU funksiyasi qiymatni 0 qaytaradi, aks holda, x ni qaytaradi. Bu funksiya sinflandirish va regressiya modellarida keng qo'llaniladi.
f(x)=max(0,x)
TanH funksiya: Ushbu funksiya odatda sigmoidga o'xshash, ammo ular orasidagi farq bu funksiya -1 va 1 oralig'ida miqdorlarni qabul qilishi.
f(x)=ex+e−xex−e−x
Softmax funksiya: Bu funksiya qatorli sun'iy neyron tarmoqlarida ko'p sinflardagi sinflandirish uchun ishlatiladi. Ushbu funksiya ma'lumotlarni sinfning ehtiyojchilari bo'yicha nisbatan miqdorini hisoblashda yordam beradi.
f(xi)=∑j=1Kexjexi
Bu faollashtirish funksiyalari sun'iy neyron tarmoqlarida ma'lumotlarni o'zlashtirish va umumiy kirishlarni natijalarga aylantirishda ishlatiladi. Ular modellarning o'zgaruvchilarini yangilashda, non-linearni xususiyatlarni oshirishda va sinflandirish jarayonlarida juda o'ziga xos xususiyatlarga ega. Har bir funksiya o'ziga xos xususiyatlarga ega bo'lib, ular modellarni belgilangan maqsadlarga moslashtirish uchun tanlanishi kerak.
35. Sun’iy neyron tarmoqlarida tugun va vazn tushunchasi.
ChatGPT
Sun'iy neyron tarmoqlarida "tugun" (bias) va "vazn" (weight) tushunchalari ma'lumotlarni o'z ichiga oladigan asosiy elementlar hisoblanadi.
Tugun (Bias): Tugun, sun'iy neyronning aktivatsiya funksiyasining nollashgan holatiga olib kelish uchun qo'llaniladi. Tugun, neyron tarmoqining umumiy kirishiga o'ziga xos qo'shimcha miqdorni qo'shadi yoki aniqlovchi moslashgan natijani yuqoriga olib keladi. Bu maqsadda tugun odatda o'zgaruvchilik sifatida qo'llaniladi va bir nechta neyronlarda bir hil boshqaruvchi parametr sifatida ishlaydi.
Vazn (Weight): Vaznlar, kirishlardan kelib chiqadigan ma'lumotlarni neyronning aktivatsiya funksiyasiga o'zlashtirishda ishlatiladi. Har bir kirishga bog'liq vazn, ma'lumotning qo'llaniluvchanligini, uning o'rnini va umumiy kirishning qisqarilish yoki ko'tarilishida o'zgaruvchiliklar tug'ilishini aniqlaydi. Vaznlarning o'zgarishi tarmoqning o'rganish jarayonida muhim ro'lini o'ynaydi va ular modellarni natijalarga moslashtirishda juda muhimdir.
Tugunlar va vaznlar bir neyronning umumiy kirishini (summasini) hisoblashda ishlatiladi. Umumiy kirish esa tugunlar va vaznlarning tarkibi bo'lib, aktivatsiya funksiyasiga kirish o'zgaruvchilari bilan ko'payadi. Sun'iy neyron tarmoqlarida kirishlar va aktivatsiya funksiyasi orqali hisoblashdan keyin, tugunlar va vaznlarni o'zgaruvchilik sifatida yangilash orqali o'rganish jarayonida sinf ni natijaga olib kelish uchun foydalaniladi.
36. Numpy kutubxonasidan foydalanib bir o‘zgaruvchili regressiya masalarini yechish
ChatGPT
NumPy kutubxonasini foydalanib, bir o'zgaruvchili regressiya masalasini yechish uchun mos ravishda ma'lumotlarni tahlil qilish va o'zgaruvchili regressiya modelini yaratish mumkin. Bu jarayonlar quyidagicha bo'ladi:
|
| |
