|
Bu insonning asab tizimini ko’paytirishga urinishlarga asoslangan sun’iy intellekt sohasidagi tadqiqotlar yo’nalishlaridan biri
|
| bet | 11/12 | | Sana | 17.05.2024 | | Hajmi | 188,9 Kb. | | #239793 |
Bog'liq Neyron tarmoqlariAmaliy qarama-qarshi misollar[
SNT tomonidan oʻrganilgan narsalarni tahlil qilish biologik neyron tarmoq tomonidan oʻrganilgan narsalarni tahlil qilishdan koʻra osonroqdir. Bundan tashqari, neyron tarmoqlar uchun oʻrganish algoritmlarini oʻrganish bilan shugʻullanadigan tadqiqotchilar asta-sekin oʻquv mashinasining muvaffaqiyatli boʻlishiga imkon beruvchi umumiy tamoyillarni ochib berishadi. Misol uchun, mahalliy va mahalliy boʻlmagan oʻrganish va sayoz va chuqur arxitektura.[139]
Gibrid yondashuvlar[
Gibrid modellar tarafdorlari (neyron tarmoqlari va ramziy yondashuvlarni birlashtirgan holda) bunday aralash inson ongining mexanizmlarini yaxshiroq qamrab olishini daʼvo qilmoqda.[140][141]
Galereya[
Bir qatlamli oldinga yoʻnaltirilgan sunʼiy neyron tarmoq. dan kelib chiqadigan oʻqlar 𝑥2 aniqlik uchun olib tashlandi. Ushbu tarmoqqa p kirish va q chiqish mavjud. Bu sistemada q-chi chiqish qiymati, 𝑦𝑞 sifatida hisoblab chiqiladi 𝑦𝑞=𝐾∗(∑(𝑥𝑖∗𝑤𝑖𝑞)−𝑏𝑞)
Ikki qatlamli oldinga yoʻnaltirilgan sunʼiy neyron tarmoq.
Sunʼiy neyron tarmogʻi.
ANN bogʻliqlik grafigi.
4 ta kirish, 6 ta yashirin va 2 ta chiqishga ega boʻlgan bir qatlamli oldinga yoʻnaltirilgan sunʼiy neyron tarmoq. Berilgan pozitsiya holati va yoʻnalishi gʻildirak asosidagi boshqaruv qiymatlarini chiqaradi.
8 ta kirish, 2x8 yashirin va 2 ta chiqishga ega ikki qavatli oldinga uzatiladigan sunʼiy neyron tarmoq. Berilgan joylashuv holati, yoʻnalish va boshqa atrof-muhit qiymatlari itaruvchiga asoslangan boshqaruv qiymatlarini chiqaradi.
CMAC neyron tarmogʻining parallel quvur liniyasi tuzilishi. Ushbu oʻrganish algoritmi bir bosqichda birlashishi mumkin.
Foydalanilgan adabiyotlar
Bhadeshia H. K. D. H. (1999). „Neural Networks in Materials Science“ (PDF). ISIJ International. 39-jild, № 10. 966–979-bet. doi:10.2355/isijinternational.39.966.
Bishop, Christopher M.. Neural networks for pattern recognition. Clarendon Press, 1995. ISBN 978-0-19-853849-3. OCLC 33101074.
Borgelt, Christian. Neuro-Fuzzy-Systeme : von den Grundlagen künstlicher Neuronaler Netze zur Kopplung mit Fuzzy-Systemen. Vieweg, 2003. ISBN 978-3-528-25265-6. OCLC 76538146.
Cybenko, G.V. „Approximation by Superpositions of a Sigmoidal function“,. Mathematics of Control, Signals, and Systems van Schuppen: . Springer International, 2006 — 303-314 bet. PDF
Dewdney, A. K.. Yes, we have no neutrons : an eye-opening tour through the twists and turns of bad science. New York: Wiley, 1997. ISBN 978-0-471-10806-1. OCLC 35558945.
Duda, Richard O.. Pattern classification, 2, Wiley, 2001. ISBN 978-0-471-05669-0. OCLC 41347061.
Egmont-Petersen, M.; de Ridder, D.; Handels, H. (2002). „Image processing with neural networks – a review“. Pattern Recognition. 35-jild, № 10. 2279–2301-bet. doi:10.1016/S0031-3203(01)00178-9.
Fahlman, S.; Lebiere, C „The Cascade-Correlation Learning Architecture“ (1991).
created for National Science Foundation, Contract Number EET-8716324, and Defense Advanced Research Projects Agency (DOD), ARPA Order No. 4976 under Contract F33615-87-C-1499.
Gurney, Kevin. An introduction to neural networks. UCL Press, 1997. ISBN 978-1-85728-673-1. OCLC 37875698.
Haykin, Simon S.. Neural networks : a comprehensive foundation. Prentice Hall, 1999. ISBN 978-0-13-273350-2. OCLC 38908586.
Hertz, J.. Introduction to the theory of neural computation. Addison-Wesley, 1991. ISBN 978-0-201-51560-2. OCLC 21522159.
|
|
Bosh sahifa
Aloqalar
Bosh sahifa
Bu insonning asab tizimini ko’paytirishga urinishlarga asoslangan sun’iy intellekt sohasidagi tadqiqotlar yo’nalishlaridan biri
|
