• Oriental Renaissance: Innovative, educational, natural and social sciences VOLUME 2 | ISSUE 12 ISSN 2181-1784
  • Formal neyron modelining kamchiliklari




    Download 0,55 Mb.
    Pdf ko'rish
    bet8/14
    Sana14.05.2024
    Hajmi0,55 Mb.
    #233401
    1   ...   4   5   6   7   8   9   10   11   ...   14
    Bog'liq
    sun-iy-neyron-tarmoqlarini-o-qitish-usullari

    Formal neyron modelining kamchiliklari. 
    Neyron o‘z chiqishini bir zumda hisoblab chiqadi deb taxmin qilinadi, shuning 
    uchun bunday neyronlar yordamida ichki holatga ega tizimlarni to‘g‘ridan-to‘g‘ri 
    modellashtirish mumkin emas. 


    Oriental Renaissance: Innovative, 
    educational, natural and social sciences 
     
    VOLUME 2 | ISSUE 12 
    ISSN 2181-1784 
    Scientific Journal Impact Factor
     
     SJIF 2022: 5.947 
    Advanced Sciences Index Factor 
     ASI Factor = 1.7 
    197 
    w
    www.oriens.uz
    December
    2022
     

    Formal neyronlar, biologik neyronlardan farqli o‘laroq, axborotni 
    sinxron tarzda qayta ishlay olmaydi. 

    Faollashtirish funksiyasini tanlash uchun aniq algoritmlar mavjud 
    emas. 

    Butun tarmoqning ishlashini tartibga solish mumkin emas. 

    Haqiqiy neyronlar uchun chegara neyronning faolligi tarmoqning 
    umumiy holatiga qarab dinamik ravishda o‘zgaradi va og‘irlik koeffitsientlari 
    o‘tish signallariga qarab o‘zgaradi. 
    Bitta neyron eng oddiy hisob-kitoblarni amalga oshirishi mumkin, ammo neyron 
    tarmog‘ining asosiy funksiyalari alohida neyronlar tomonidan emas, balki ular 
    orasidagi aloqalar bilan ta’minlanadi. Yagona qatlamli perseptron oddiy tarmoq 
    bo‘lib, u qatlamni tashkil etuvchi neyronlar guruhidan iborat bo‘ladi. Kirish 
    ma’lumotlari 
    1
    (
    ,...,X )
    k
    X
    X

    qiymatlari vektori bilan ranglanadi, har bir 
    x
    element 
    qatlamdagi har bir neyronning mos keladigan kirishiga beriladi. O‘z navbatida, 
    neyronlar chiqishni bir-biridan mustaqil ravishda hisoblab chiqadi. Shubhasiz, 
    chiqishning o‘lchami (ya’ni elementlarning soni) neyronlar soniga teng va barcha 
    neyronlar uchun sinapslar soni bir xil bo‘lishi va kirish signalining o‘lchamiga mos 
    kelishi kerak. Ko‘rinib turgan soddaligiga qaramay, bir qatlamli perseptron bir qator 
    foydali vazifalarni bajarishi mumkin, masalan, tasvirlarni tasniflash yoki mantiqiy 
    funksiyalarning qiymatlarini hisoblash
    Ko‘p qatlamli perseptron 
    X
    kirish qiymati uchun 
    Y
    chiqish qiymatini 
    hisoblashga qodir. Boshqacha qilib aytganda, tarmoq qandaydir vektor 
    funksiyasining qiymatini hisoblaydi: 
    (
    )
    Y
    F X

    . Shunday qilib, idrok etuvchiga 
    qo‘yilgan muammoning sharti. ( 1,..., )
    S
    x
    x
    vektorlar to‘plami sifatida shakllantirish 
    kerak.Masala yechimi {y1,..., y }
    S
    vektorlar ko‘rinishida, Bu yerda 
    s

    y
    F(x )
    S
    S


    Perseptron qila oladigan narsa 
    :
    F X
    Y

    uchun 
    x
    X
     
    ko‘rinishni hosil 
    qilishdir. Biz bu xaritalashni perseptrondan to‘liq chiqarib olishimiz mumkin emas, 
    lekin biz faqat ixtiyoriy miqdordagi nuqtalarning tasvirlarini sanashimiz mumkin. 
    Rasmiylashtirish vazifasi, ya’ni kirish va chiqish vektorlarining tarkibiy qismlariga 
    ega bo‘lgan ma’noni tanlash, shaxs tomonidan amaliy tajriba asosida hal qilinadi. 
    Afsuski, neyron tarmoqlar uchun qat’iy rasmiylashtirish retseptlari hali mavjud emas. 
    Ko‘p qatlamli perseptronni qurish uchun uning parametrlarini quyidagi 
    algoritmga muvofiq tanlash kerak: 



    Download 0,55 Mb.
    1   ...   4   5   6   7   8   9   10   11   ...   14




    Download 0,55 Mb.
    Pdf ko'rish