|
Tasavvur qilaylik , o'quvchilarning jinsini aniqlash
|
| bet | 2/6 | | Sana | 20.05.2024 | | Hajmi | 123,46 Kb. | | #246343 |
Tasavvur qilaylik , o'quvchilarning jinsini aniqlash masalasini ularning tashqi kuzatiladigan xususiyatlaridan kelib chiqib hal qilish kerak .
Albatta, ishonchliroq usullar mavjud, ammo biz ularni ko'rib chiqmaymiz, chunki... ular dastlabki ma'lumotni olish va vazifani arzimas narsaga aylantirish uchun qo'shimcha xarajatlarni talab qiladi.
Shuning uchun biz quyidagi tavsiflovchi shkalalar va darajalarni ko'rib chiqamiz:
1. Soch uzunligi: uzun, o'rta, qisqa.
2. Shimlarning mavjudligi: ha, yo'q.
3. Parfyum yoki odekolondan foydalanish: ha, yo'q.
Og'irlik koeffitsientlarini aniqlash uchun jadval tuzamiz (1-jadval).
Tasviriy masshtablar va darajalar
|
Tasniflash
shkalasi va gradatsiyalari
|
O'g'il bolalar
|
Qizlar
|
Soch uzunligi:
|
|
|
- uzoq
|
5
|
15
|
- o'rtacha
|
10
|
10
|
- qisqa
|
15
|
5
|
Shimlarning mavjudligi:
|
|
|
- Ha;
|
o'ttiz
|
10
|
- Yo'q
|
0
|
20
|
Parfyum yoki odekolondan foydalanish:
|
|
|
- Ha;
|
5
|
20
|
- Yo'q
|
25
|
10
|
Ushbu jadvalning ustunlari neyron holatiga, qatorlar esa mos keladigan xususiyatning mavjudligi yoki yo'qligini aniqlashga qodir bo'lgan tegishli sezgi organlariga ulangan dendritlarga mos kelsin.
Keyin dendritlardagi og'irlik koeffitsientlarining qiymatlarini aniqlashning eng oddiy usullaridan biri oddiygina qatorlar va ustunlar kesishmalarida ushbu xususiyatga ega bo'lgan o'quv majmuasidagi talabalarning umumiy sonini ko'rsatish bo'ladi.
Agar neyron o'g'il bolaga kirishda yuqori chiqish signalini va qiz bolaga taqdim etilganda past chiqish signalini ishlab chiqarishi kerak bo'lsa, dendritlardagi og'irlik koeffitsientlari ustundan olinadi: "O'g'il bolalar". Va aksincha, agar neyron kirishda qiz taqdim etilganda yuqori chiqish signalini va unga o'g'il bola taqdim etilganda past signalni ishlab chiqarishi kerak bo'lsa, dendritlardagi og'irlik koeffitsientlari ustundan olinadi: "Qizlar".
Siz ikkita neyron tarmog'ini tasavvur qilishingiz mumkin , unda dendritlardagi og'irlik koeffitsientlari ustunlardan olinadi: "O'g'il bolalar" va "Qizlar".
Ushbu muammoni hal qilish uchun ko'proq neyronlar kerak bo'ladi. Agar biz neyron tarmog'i orqali ob'ektni aniqlash ishonchliligini oshirmoqchi bo'lsak va shunga o'xshash ma'noga ega bo'lgan turli neyronlar bir-biridan mustaqil retseptorlardan foydalanadigan bo'lsak, undan foydalanish mantiqiy .
Misol uchun, agar biz aniqlanayotgan ob'ektni nafaqat ko'rsak, balki uni hidlab, his qila olsak, bu uni aniqlashning ishonchliligini oshiradi. Bu fizikada voqelikning umume'tirof etilgan mezoni - kuzatuvchanlik printsipi bo'lib , unga ko'ra mavjudligi bir necha, kamida ikkita mustaqil tarzda o'rnatilgan ob'ektlar va hodisalar uchun ob'ektiv mavjudlik o'rnatiladi.
Umuman olganda, neyron tarmog'ida har bir sinf (tasniflash shkalasi gradatsiyasi) bitta neyronga mos keladi va xususiyatlari neyron tarmoq kirishidagi retseptorlar tomonidan o'lchanadigan ob'ekt tarmoq tomonidan aniqlanadi. chiqishdagi maksimal signal darajasiga ega neyronga mos keladigan sinf.
Psixologik testlar, odatda, respondentni bir vaqtning o'zida bir nechta shkalalarda sinab ko'rishga imkon beradi. Shubhasiz, ushbu testlarni amalga oshiradigan neyron tarmoqlarda kamida psixologik testdagi tarozilar soni shunchalik ko'p neyronlar bo'ladi.
Bir qatlamli neyron tarmoq va Rosenblatt perseptroni
Tarixiy jihatdan idrok etish (idrok etish) va idrok etilgan stimulga reaktsiyani shakllantirish qobiliyatiga ega bo'lgan birinchi sun'iy neyron tarmoq Rosenblattning Perceptron (F. Rosenblatt, 1957) edi. " Perceptron " atamasi lotincha perceptio so'zidan kelib chiqqan bo'lib , idrok, bilish degan ma'noni anglatadi. Ushbu atamaning ruscha analogi "Perceptron" dir. Uning muallifi perseptronni aniq texnik hisoblash qurilmasi sifatida emas, balki miya funktsiyasi modeli sifatida ko'rib chiqdi. Sun'iy neyron tarmoqlar bo'yicha zamonaviy ishlar kamdan-kam hollarda bunday maqsadni ko'zlaydi.
Eng oddiy klassik perseptron uchta turdagi elementlarni o'z ichiga oladi (3-rasm), ularning maqsadi odatda yuqorida muhokama qilingan refleks neyron tarmog'ining neyroniga mos keladi.
|
3 rasm . Rosenblatt elementar perseptron
|
S-elementlar tashqi dunyodan ikkilik signallarni qabul qiluvchi sensorlar yoki retseptorlardir . Har bir S-element ba'zi tavsif shkalasining ma'lum bir gradatsiyasiga mos keladi.
Keyinchalik, signallar assotsiativ yoki A-elementlar qatlamiga kiradi (S dan A-elementlarga ulanishlarning bir qismi ko'rsatilgan). Faqatgina rasmiy neyronlar bo'lgan assotsiativ elementlar ulanishlarning o'zgaruvchan og'irliklarini hisobga olgan holda bir qator S-elementlardan keladigan ma'lumotlarni birgalikda qo'shimcha ishlov berishni amalga oshiradi (3-rasm). Har bir A-element ba'zi tasniflash shkalasining ma'lum bir gradatsiyasiga mos keladi.
Ruxsat etilgan og'irliklarga ega bo'lgan R-elementlar kirish stimuliga perseptron javob signalini hosil qiladi. R-elementlar neyronlarning kirish ob'ektiga bo'lgan reaktsiyalari haqidagi ma'lumotlarni umumlashtiradi , masalan, ular ma'lum bir ob'ektni ma'lum bir sinfga tegishli ekanligini aniqlash to'g'risida signal berishi mumkin, agar ushbu sinfga mos keladigan barcha neyronlar aniq bu haqda natija bergan bo'lsa. ob'ektni aniqlash. Bu R elementlari neyron chiqishining multiplikativ funktsiyasidan foydalanishi mumkinligini anglatadi. R-elementlar, xuddi A-elementlar kabi, tasniflash shkalalarining ma'lum darajalariga mos keladi.
Rosenblatt bunday neyron tarmoqni uch qatlamli deb hisobladi, ammo zamonaviy terminologiyaga ko'ra, taqdim etilgan tarmoq bir qatlamli, chunki u neyroprotsessor elementlarining faqat bitta qatlamiga ega.
Agar R-elementlar funktsiyasi jihatidan A-elementlar bilan bir xil bo'lsa, klassik perseptronning neyron tarmog'i ikki qavatli bo'lar edi. Keyin A-elementlar R-elementlar uchun S-elementlar vazifasini bajaradi.
Bir qavatli perseptron sinaptik bog'lanishlar matritsasi bilan tavsiflanadi ||W|| S-dan A-elementlarga. Matritsa elementi i-chi S-elementdan ( satrlar ) j-chi A-elementga ( ustunlar ) olib boruvchi ulanishga mos keladi. Ushbu matritsa tizim ma'lumotlari nazariyasiga asoslangan semantik ma'lumot modelida shakllangan mutlaq chastotalar va ma'lumotlar tarkibining matritsalarini juda eslatadi.
Zamonaviy neyroinformatika nuqtai nazaridan, bir qatlamli perseptron asosan tarixiy ahamiyatga ega, ammo uning misolida neyron tarmoqlarni o'qitish uchun asosiy tushunchalar va oddiy algoritmlarni o'rganish mumkin;
|
| |
