• Konvolyutsion neyron tarmoqlari (CNN)
  • Takroriy neyron tarmoqlari (RNN)
    		•

    Guruh: 961-19 Bajardi




    Download 198.5 Kb.
    bet5/5
    Sana17.12.2023
    Hajmi198.5 Kb.
    #121268
    1   2   3   4   5
    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
    O'rganish davrlari. NN ta'limning belgilangan muddatini aks ettiradi. Balki modelning hisoblash murakkabligi asosida muhandis tomonidan o'rnatiladi, lekin u ham mumkin algoritm bilan aniqlanadi. Masalan, o'rganish avtomatik ravishda mumkin xatolik (funktsiyani yo'qotish qiymati) to'xtaganda to'xtating har qanday davrlar soni bo'yicha pasayish.

  • Arxitektura - bu neyron tarmog'idagi qatlamlar qanday tashkil etilganligi va neyronlar o'rtasidagi aloqalar. A ilovasida keltirilgan diagramma murakkablik haqida bir oz fikr beradi va zamonaviy NN arxitekturalarining xilma-xilligi. Hozirgi vaqtda real hal qilish uchun Ikkita eng mashhur arxitektura:

    Konvolyutsion neyron tarmoqlari (CNN) - bilan bog'liq ko'plab vazifalar uchun mashhurlikka erishdi tasvirni aniqlash (2012 yildan beri ImageNet tanlovida konvolyutsion neyron tarmog'i raqobatchilardan sezilarli darajada ustun keldi). CNN konvolyutsion qatlamlarning almashinishidir (oldingi qatlamni bo'laklarga ishlov beradi - masalan, 8 * 8 hujayradan iborat "derazalar") va pastki namuna olish qatlamlari ("oldingi qatlamning qismlarini ixchamlashtiradi", ularning hajmini kamaytiradi). Ushbu yondashuv piksel boshiga juda progressiv muqobildir tasvirni aniqlash. CNN ning kamchiliklari sezilarli raqamni o'z ichiga oladi tarmoq giperparametrlari (qatlamlar soni, qatlamni qayta ishlashda yadro siljishi bosqichi, kerak pastki namuna olish qatlamlari, ularning o'lchovlilikni kamaytirish darajasi, qisqartirish funktsiyasi o'lchamlar va boshqalar), ularning qiymatlari odatda "ijodiy" tanlanishi kerak.
    Takroriy neyron tarmoqlari (RNN) bilan bog'liq muammolarni hal qilish uchun eng mos keladi har qanday ketma-ketlikni tanib olish: ovoz, matn, musiqa va boshqalar. RNN xotiraning mavjudligi bilan farqlanadi: neyronlar o'zlarining oldingi javoblarini eslab qolishlarini aytishimiz mumkin va keyingi safar ishga tushirilganda ular qo'shimcha kiritish ma'lumotlari sifatida ishlatiladi. Cheklash uchun Ulanishlar soni ortib borishi bilan, saqlangan qiymatlarni tiklash uchun algoritmlar qo'llaniladi ("unutish"). Biroq, RNNlarni o'qitish juda katta hisoblash harakatlarini talab qiladi. resurslar (katta miqdordagi o'quv ma'lumotlaridan tashqari)
    Shuningdek, NN arxitekturasi sohasida yangi (2014 yilda taklif qilingan) nazoratsiz o'rganishga qodir bo'lgan generativ raqib tarmoqlari (GAN) hisoblanadi. Bunda asosiy tamoyil algoritm ikkita NN ning mavjudligi, ulardan biri namunalarni yaratadi, ikkinchisi (diskriminativ) to'g'ri namunalarni noto'g'rilardan ajratishga harakat qiladi. Generativ tarmoq bir nechta dastlabki namunalarni (mavjud ma'lumotlar) aralashtirish asosida ishlaydi va intiladi ikkinchi tarmoqning xatolik darajasini oshirish. Diskriminativ tarmoq asl va o'rtasidagi farqni o'rganadi soxta namunalar va diskriminatsiya natijalari generativ tarmoqning kirishiga beriladi, shunda u yashirin parametrlarning kirish to'plamini tuzatishi mumkin. Ushbu texnologiyadan foydalanis xususan, odamlarning haqiqiydan farq qilmaydigan fotosuratlari yaratilgan.



    1. Foydalanilgan adabiyotlar.

    2. Mashinani o'qitish va neyron tarmoq arxitekturasi

    3. https://vas3k.ru/blog/machine_learning/

    4. Tensorflow

    5. https://colab.research.google.com/notebooks/mlcc/tensorflow_programming_concepts.ipynb

    6. https://www.tensorflow.org/tutorials/quickstart/beginner

    7. Colab

    8. https://habr.com/ru/post/428117/

    9. https://medium.com/deep-learning-turkey/google-colab-free-gpu-tutorial-e113627b9f5d

    10. https://habr.com/ru/post/413229/

    11. Data

    12. https://archive.ics.uci.edu/ml/datasets/Breast+Cancer+Wisconsin+(Diagnostic)

    13. https://towardsdatascience.com/top-sources-for-machine-learning-datasets-bb6d0dc3378b

    14. https://docs.microsoft.com/ru-ru/azure/machine-learning/team-data-science-process/prepare-

    15. data

    16. http://blog.datalytica.ru/2018/04/blog-post.html



    Download 198.5 Kb.
    • 1   2   3   4   5




    Download 198.5 Kb.