Tasvirni aniqlash uchun neyron tarmoqni joriy qilish va o'qitish

Download 198.5 Kb.
bet	2/5
Sana	17.12.2023
Hajmi	198.5 Kb.
	#121268

Bog'liq
SARVAR 1
1111111111, Вариант 2, Ehtiyoji yuqori bo\'lgan 10 kasb, Atatek shejiresiniń násilshilikte qollanılıwı, Porodalardıń násilshilik jumıslarında qollanılıwı, Porodalardıń násilshilik jumıslarında qollanılıwı, bekzod3 baxt, 88 Iqtisod va biznes Mavzu Ishlab chiqarish jarayonini tashkil etishda, Doc1, 7.Raqobatning mohiyati, shakllari va usullari., 01- масалалар ТАХЛАШ, 6-Seminar jumısı, 5-Seminar jumisis, CАРИМСАКОВ АЛИЖОН

Tasvirni aniqlash uchun neyron tarmoqni joriy qilish va o'qitish Bizning miyamiz, har qanday biologik neyron tarmog'i kabi, neyronlar to'plamidan iborat. Biologik neyron o'zining asosiy maqsadi (axborotni qayta ishlash) bilan bir qatorda uning hayotini ta'minlash bilan bog'liq vazifalarni ham bajaradigan o'ta murakkab tizimdir. Bizga signalni qabul qiladigan, uni qayta ishlaydigan va keyingi uzatuvchi soddalashtirilgan model kerak. Sun'iy neyron ta'rifidan ANN (sun'iy neyron tarmog'i) tushunchasi kelib chiqadi - bir-biri bilan o'zaro ta'sir qiluvchi sun'iy neyronlar to'plami, Neyronlar sinapslar orqali o'zaro bog'langan - bitta neyronning chiqishi va boshqasining kirishi, bunda signal kuchayadi / zaiflashadi. Har bir sinaps individualdir, u orqali o'tadigan signalni kuchaytirishi yoki zaiflashtirishi mumkin. Bundan tashqari, vaqt o'tishi bilan sinapslar o'zgarishi mumkin, ya'ni signalning o'zgarishi tabiati o'zgaradi. Agar siz sinapslarning to'g'ri parametrlarini tanlasangiz, u holda neyron tarmog'idan o'tgandan so'ng kirish signali to'g'ri chiqish signaliga aylanadi. Kirish signallari to'plamini chiqishda to'g'ri echimga aylantirish shunday sodir bo'ladi. Neyron tarmoqlarning barcha ijobiy va salbiy tomonlari ular inson miyasining yoki biologik neyron tarmoqlarining soddalashtirilgan modeli ekanligidan kelib chiqadi, chunki soddalashtirilgan holda, axborotni qayta ishlash modelining o'zi o'zgarishsiz qoldi. Neyron tarmoqlarning afzalliklari: Ma'lumotlar shovqiniga chidamlilik. Bu xususiyatni odam o'tayotganlarning yuzlarini qanday farqlashi misolida tasvirlash mumkin. Tasvirdagi yuzlardan tashqari asfalt, odamlarning kiyimlari, mashinalar, svetoforlar, sumkalar ham bor. Bularning barchasi yuzni aniqlash muammosida keraksiz (shovqin) ma'lumotlaridir. Neyron tarmoqlarning kamchiliklari: Neyron tarmoqlarning aniq va aniq javob bera olmasligi. Misol uchun, qo'l yozuvini tanib olish vazifasida, ayniqsa, yozuvchi juda aniq qo'lyozmaga ega bo'lmasa, odam to'plangan bilimlar bazasiga murojaat qiladi va gipotezani, xatning ma'lum bir ehtimollik darajasi bilan yozilganligini taxmin qiladi. Keyin u eng mumkin bo'lgan variantni tanlaydi. Ko'p bosqichli qaror qabul qilish Sun'iy neyron tarmog'ining neyronlari, umuman olganda, bir-biriga bog'liq emas. Ular signal oladi, uni o'zgartiradi va keyingi neyronga yuboradi. Ular qo'shni neyronga qarab sinapslarini o'zgartiradilar. Bundan kelib chiqadiki, neyron tarmoq muammoni faqat bir marta hal qilishi mumkin. Shunday qilib, INR muammoni bosqichma-bosqich hal qila olmaydi. Bizning miyamiz bu vazifani bajara oladi, chunki u juda ko'p sonli kichik neyron tarmoqlardan iborat bo'lib, ularning har biri o'z qadamini bajarishi mumkin. Sun’iy neyron tarmoqlar hisoblash masalalarini yechishga qodir emas . Biror kishi duch kelishi kerak bo'lgan birinchi muammo - bu matematik ifodaning qaysi qismi, masalan, faqat uning kirishlaridan foydalangan holda, ildiz ostida ekanligini tarmoqqa hisobot berish qiyinligi. Ikkinchi muammo - muammoni ketma-ket hal qilishning mumkin emasligi. Uchinchi muammo - aniq natijalarni berishning mumkin emasligi. • Konvolyutsion neyron tarmoqlari (CNN): CNN ko’pincha tasvirga asoslangan matnni aniqlash uchun ishlatiladi. Kirish tasviri xususiyatlarni ajratib oladigan va matn tasvirini o’rganadigan konvolyutsion qatlamlar tomonidan quvvatlanadi. Keyin CNN chiqishi keyingi ishlov berish va matnni tanib olish uchun takroriy neyron tarmog’iga (RNN) uzatiladi. • Takroriy neyron tarmoqlari (RNN): RNN qo’l yozuvi va nutqni aniqlash kabi ketma-ketlikka asoslangan matnni aniqlashda keng qo’llaniladi. RNNlar ketma-ket ma’lumotlarni qayta ishlash uchun qayta aloqa zanjirlaridan foydalanadilar, bu ularga uzoq muddatli bog’liqliklar va kontekstli ma’lumotlarni olish imkonini beradi. • Enkoder-dekoder tarmoqlari: Kodlovchi-dekoder tarmoqlari matnni oxirigacha aniqlash uchun ishlatiladi. Kirish tasviri avval xususiyat vektoriga kodlanadi, so’ngra belgilar yoki so’zlar ketma-ketligiga dekodlanadi. Ushbu tarmoqlar samaradorlik va aniqlikni oshirib, oxirigacha o’qitilishi mumkin. Download 198.5 Kb.

Download 198.5 Kb.