|
Sun'iy neyron to‘rini o‘qtuvchili va o‘qtuvchisiz o‘rgatish
|
| bet | 2/5 | | Sana | 20.05.2024 | | Hajmi | 0,73 Mb. | | #245849 |
Bog'liq suniy mustaqil ish.docxSun'iy neyron to‘rini o‘qtuvchili va o‘qtuvchisiz o‘rgatish.
“Sun’iy neyron tarmoq” tushunchasi birinchi marta o‘tgan asrning 40-yillarida fanga kiritilgan. Sun’iy neyron tarmoqda odamlar va hayvonlarning asab tizimining faoliyatini arfmetik mantiqiy darajada modellashtiradi. 1943-yilda neyronning rasmiy modeli ishlab chiqildi. Bunday model cheklangan miqdordagi muammolarni hal qilishga qodir. Rasmiy neyronlarni tarmoqqa birlashtirish orqali bu qiyinchiliklarni bartaraf etish mumkin. Bunday tizimlarning imkoniyatlari ancha kengroq: tarmoqli rasmiy neyronlar an’anaviy ravishda “inson faoliyati” sohasiga tegishli bo‘lgan muammolarni hal qilishi mumkin. Masalan, naqshni aniqlash va hatto to‘liq bo‘lmagan ma’lumotlarga asoslangan qarorlar qabul qilish.
Ayniqsa, neyron tarmoqlar insonning fikrlash jarayonlarini eslatuvchi ma’lumotlarni o‘rganish va yodlash qobiliyati qiziq. Shuning uchun neyron tarmoqlarni o‘rganish bo‘yicha dastlabki ishlarda “sun’iy intellect” atamasi tez-tez tilga olingan. So‘nggi vaqtlarda sun’iy neyron tarmoqlarga qiziqish tez o‘sdi. Ular shu kabi mutaxassislar tomonidan qabul qilindi. Sun’iy neyron tarmoq, aslida, tabiiy asab tizimining modeli bo‘lganligi sababli, bunday tarmoqlarni yaratish va o‘rganish bizga tabiiy tizimlarning ishlashi haqida ko‘p narsalarni o‘rganish imkonini beradi. Sun’iy neyron tarmoqlari nazariyasining o‘zi o‘tgan asrning 40-yillarida biologiyaning so‘nggi yutuqlari tufayli paydo bo‘lgan, chunki sun’iy neyronlar biologik neyronlarning elementar funksiyalarini modellashtiruvchi elementlardan iborat. Ushbu elementlar miyaning anatomiyasiga mos kelishi yoki mos kelmasligi mumkin bo‘lgan tarzda tashkil etilgan. Ushbu yuzaki o‘xshashliklarga qaramay, sun’iy neyron tarmoqlari tabiiy miyanikiga o‘xshash hayratlanarli xususiyatlarni namoyish etadi. Masalan, sun’iy neyron tarmoq tashqi muhitga qarab o‘z xatti-harakatlarini o‘zgartirishga qodir. Unga taqdim etilgan kirish signallarini o‘qib chiqib, u kerakli javobni ta’minlaydigan tarzda o‘rganishga qodir. O‘rganishdan so‘ng tarmoq kirish signallaridagi kichik o‘zgarishlarga javob bermaydi. Tasvirni shovqin va buzilish orqali ko‘rish qobiliyati tasvirni aniqlash muammolarini hal qilishda juda foydali. Shuni ta’kidlash kerakki, neyron tarmoq maxsus yozilgan dasturlar yordamida emas, balki o‘zining tuzilishi tufayli avtomatik ravishda umumlashmalarni amalga oshiradi.
Neyron tarmoqlarning yana bir qiziqarli xususiyati shuki, neyron tarmoqlar ishonchlidir: bir nechta elementlar to‘g‘ri ishlamasa yoki muvaffaqiyatsiz bo‘lsa ham, tarmoq baribir to‘g‘ri natijalarni berishi mumkin, ammo kamroq aniqlik bilan. Neyron tarmoqlarning ayrim turlari bir nechta kirish signallari asosida mavhum tasvirni yaratish qobiliyatiga ega. Masalan, siz tarmoqni “A” harfining buzilgan tasvirlari ketma-ketligi bilan taqdim etish orqali o‘rgatishingiz mumkin. Treningdan so‘ng tarmoq “A” harfini buzilishsiz yaratishi mumkin, ya’ni tarmoq hech qachon taqdim etilmagan narsalarni yaratishi mumkin. Ammo shuni ta’kidlash kerakki, sun’iy neyron tarmoqlari panatseya emas. Ular aniq va xatosiz matematik hisobkitoblarni talab qiladigan vazifalar uchun juda mos kelmaydi.
Neyron tarmoq ta’rifi bo‘yicha tadqiqotchilar haligacha bir fikrga kelishmagan. Adabiyotda ko‘plab variantlar mavjud.
Neyron tarmoq - bu parallel ravishda ishlaydigan ko‘plab oddiy hisoblash elementlaridan tashkil topgan tizim. Tarmoq ishining natijasi tarmoq tuzilishi, ulanishlar kuchi, shuningdek, har bir element tomonidan bajariladigan hisob-kitoblar turi bilan belgilanadi.
Neyron tarmoq - bu kiruvchi ma’lumotlardan ma’lumotlarni mustaqil ravishda ajratib olishga qodir bo‘lgan parallel taqsimlangan protsessor. Bunday tarmoqning ishlashi miyaning ishlashiga o‘xshaydi, chunki bilim o‘quv jarayoni orqali olinadi va olingan bilimlar alohida elementda saqlanmaydi, balki butun tarmoq bo‘ylab tarqaladi.
Neyron tarmoq - bu juda ko‘p sonli oddiy hisoblash elementlaridan tashkil topgan tizim. Har bir elementning natijasi faqat uning ichki holatiga bog‘liq. Barcha elementlar bir-biridan mustaqil, ya’ni boshqa elementlar bilan sinxronlashmasdan ishlaydi.
Bu neyron tarmoq arxitekturasining asosiy afzalligi hisoblanadi. An’anaviy kompyuterda ishlov berish uchun har qanday vazifa rasmiylashtirilishi kerak (harfning tasviri funksiyaga aylantirilishi kerak). Shu bilan birga, agar dastlabki ma’lumotlarda kichik xatolik yuzaga kelsa yoki hatto ifodalardan biri buzilgan bo‘lsa, yakuniy natija ham noto‘g‘ri bo‘ladi.
Bugungi kunga kelib, hisoblash murakkabligi va tirik neyron bilan o‘xshashlik darajasida farq qiluvchi ko‘plab neyron modellari mavjud. Bu yerda “rasmiy neyron” deb nomlangan klassik modelni ko‘rib chiqamiz
Neyronda bir nechta kirish kanallari va faqat bitta chiqish kanallari mavjud. Kirish kanallari orqali neyron vazifa ma’lumotlarini oladi va ish natijasi chiqishda hosil bo‘ladi. Neyron 1 ,..., W Wk kirish signallarining vaznli yig‘indisini hisoblab chiqadi, so‘ngra berilgan F S( ) nochiziqli funksiya yordamida olingan yig‘indini o‘zgartiradi.
Keling, quyidagi belgilarni kiritamiz:
Xi - kirish signalining qiymati,
- neyronning chegara darajasi.
Wi - neyronning og‘irlik koeffitsienti - (Bu qiymat ko‘pincha og‘irlik, ulanish yoki ulanish og‘irligi deb ataladi),
F - transformatsiyani amalga oshiradigan faollashtirish funktsiyasi,
y - neyronning chiqish qiymati. Chegara darajasi va barcha og‘irliklardan iborat to‘plam neyron parametrlari deb ataladi. Xuddi shunday, tarmoq parametrlari uning barcha tarkibiy neyronlarining parametrlari to‘plamidir. Ushbu belgida neyronning chiqishi quyidagi formula bilan berilgan:
y F x w ( , )1
Chegara darajasisiz rasmiy neyronning modifikatsiyasi mavjud. Bunday holda, neyronga yana bitta kirish kanali qo‘shiladi (uning soni k ga teng bo‘lsin) va har qanday kirish signali uchun 1, k k x W . Shubhasiz bu modellar ekvivalentdir
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.
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 ) X X k 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 perseptronni qurish uchun uning parametrlarini quyidagi algoritmga muvofiq tanlash kerak:
o X kirish vektorining komponentlariga qanday ma’no bog‘langanligini aniqlang. Kirish vektorida masalaning rasmiylashtirilgan sharti, ya’ni javob olish uchun zarur bo‘lgan barcha ma’lumotlar bo‘lishi kerak.
o Y chiqish vektorini shunday tanlangki, uning komponentlarida muammoga to‘liq javob bo‘lsin.
o Neyronni faollashtirish funksiyasi turini tanlang. Bunday holda, muammoning o‘ziga xos xususiyatlarini hisobga olish maqsadga muvofiqdir, chunki yaxshi tanlov o‘rganish tezligini oshiradi.
o Har bir qatlam uchun qatlamlar va neyronlar sonini tanlang.
o Tanlangan faollashtirish funksiyasi asosida kirishlar, chiqishlar, og‘irliklar va chegara darajalari diapazonini o‘rnating.
o Og‘irliklar va chegaralarga boshlang‘ich qiymatlarni belgilang. Neyronlar to‘yingan bo‘lmasligi uchun boshlang‘ich qiymatlar katta bo‘lmasligi kerak, aks holda o‘rganish juda sekin bo‘ladi. Ko‘pgina neyronlarning chiqishi nolga teng bo‘lmasligi uchun boshlang‘ich qiymatlar juda kichik bo‘lmasligi kerak, aks holda o‘rganish ham sekinlashadi.
o Mashg‘ulotlarni o‘tkazish, ya’ni vazifani eng yaxshi tarzda hal qilish uchun tarmoq parametrlarini tanlang. Trening oxirida tarmoq ushbu turdagi muammolarni hal qila oladi. u o‘qitilgan.
o Tarmoq kirishiga masala shartlarini X vektor ko‘rinishida taqdim eting. Masalaning formollashtirilgan yechimini beradigan chiqish vektor Y ni hisoblang
|
| |
