|
Guruh magistranti Mo‘minov Suhrob 2024 y. Tekshirdi: Ochilov Mannon Musinovich
|
| bet | 2/4 | | Sana | 18.05.2024 | | Hajmi | 230,88 Kb. | | #242898 |
Bog'liq 2-amaliy Kirish qatlami: Bu qatlam kirishlarni qabul qiluvchi va ularni boshqa qatlamlarga uzatuvchi neyronlardan iborat. Kirish qatlamidagi neyronlar soni ma'lumotlar to'plamidagi atributlar yoki xususiyatlarga teng bo'lishi kerak.
Chiqish qatlami: Chiqish qatlami bashorat qilingan(predicted) xususiyat bo'lib, siz qurayotgan model turiga bog'liq.
Yashirin qatlam: Kirish va chiqish qatlami o'rtasida model turiga asoslangan yashirin qatlamlar mavjud. Yashirin qatlamlar ko'p sonli neyronlarni o'z ichiga oladi, ular kirishdan oldin ularni o'zgartirishni qo'llaydi. Tarmoq o'qitilganligi sababli, og'irliklar yanada bashoratli bo'lishi uchun yangilanadi.
Neyron og'irliklari: Og'irliklar ikki neyron o'rtasidagi bog’lanishning kuchi yoki amplitudasini anglatadi. Agar siz chiziqli regressiya bilan tanish bo'lsangiz, koeffitsientlar kabi kirishlardagi og'irliklarni solishtirishingiz mumkin. Og'irliklar odatda 0 dan 1 gacha bo'lgan qiymatlar kabi kichik tasodifiy qiymatlarga ishga tushiriladi.
Neyron tarmog'i ma'lumotlarni uchta oddiy bosqichda hisoblaydi:
1. Og'irliklar va kiruvchi qiymatlarni ko'paytirish: Kiruvchi qiymatlar belgilangan og'irlik qiymatlariga ko'paytiriladi.
2. Bias qiymatlarni qo'shish: Keyingi bosqichda oldingi bosqichda topilgan qiymatlar ularning tegishli bias qiymatlariga qo'shiladi. Keyin o'zgartirilgan kirishlar bitta qiymatga yig'iladi.
3. Faollashtirish: Faollashtirish funksiyasi neyron chiqishiga jamlangan vaznli kirishni xaritalashdir. U faollashtirish/uzatish funksiyasi deb ataladi, chunki u neyronning ishga tushirilishi va chiqish signalining kuchini boshqaradi.
4. Chiqish signali: Nihoyat, og'irlikdagi yig'indini faollashtirish funktsiyasiga kiritish orqali olingan vaznli yig'indi chiqish signaliga aylanadi.
Turli xil foydalanish holatlari uchun bir nechta faollashtirish funksiyalari mavjud. Eng ko'p ishlatiladigan faollashtirish funktsiyalari relu, tanh va softmax. Yo'qotishlarni hisoblash
Oddiy qilib aytganda, yo'qotish funktsiyasi kiritilgan ma'lumotlarni tasniflashda berilgan model qanchalik "yaxshi" yoki "yomon" ekanligini aniqlaydi. Ko'pgina o'quv tarmoqlarida yo'qotish haqiqiy ishlab chiqarish va prognoz qilingan chiqish o'rtasidagi farq sifatida hisoblanadi.
Matematik jihatdan: yo'qotish = y{bashorat qilingan} - y_{original}
Ushbu xatoni hisoblash uchun ishlatiladigan funktsiya Y(.) yo'qotish funktsiyasi deb nomlanadi. Turli xil yo'qotish funktsiyalari bir xil bashorat uchun turli xil xatolarni qaytaradi, bu modelning ishlashiga sezilarli ta'sir qiladi.
1. Neyron tarmoqlarda oldinga tarqalish (feedforward) amali haqida nazariy ma’lumotlar keltiring. Neyron tarmoqning komponentlarini tavsiflang.
2. Variantda keltirilgan neyron tarmoq arxitekturasini grafik tasvirlang.
3. Neyron tarmoqda feedforward amalini matematik bajarilish jarayonini hisob
kitobini qiling.
a. Yashirin qatlamlar uchun og‘irlik koeffitsientlari va bais qiymatlarini
generatsiya qiling (tasodifiy tanlang).
b. Kirish qiymatlari (I - vektor ) ni shakllantiring (bitta namuna
misolida).
c. Neyron tarmoq uchun haqiqiy chiqish qiymatlari (O) ni variantda
keltirilgan qiymatda kategoriya tipida hosil qiling.
d. Feedforward amalini bajarib kirish qiymatlari (I) dan chiqish
qiymatlari (O) ni hosil qiling
e. Multi-class cross-entropy/categorical cross-entropy asosida
yo‘qotilish (Loss) qiymatini hisoblang.
|
| |
