Mavzu: Sun’iy neyron tarmoqlari. Sodda neyron tarmoqlarini qurish.
Neyron
tarmoqlarining to’g’ri va teskari tarqalish algoritmlari.
Ishdan maqsad: Neyron tarmoqlarini qurish va ularni algoritmlarini o’rganish va
uni amalyotda qo’llash.
Nazariy qism
Sunʼiy
neyron
tarmoqlari (
SNT),
odatda
oddiygina
neyron
tarmoqlari (
NT) deb ataladi, hayvonlar miyasini tashkil etuvchi biologik neyron
tarmoqlardan ilhomlangan hisoblash tizimlari.
SNT sunʼiy neyronlar deb ataladigan bogʻlangan birliklar yoki tugunlar toʻplamiga
asoslanadi, ular biologik miyadagi neyronlarni erkin modellashtiradi. Sunʼiy
neyron
signallarni oladi, keyin ularni qayta ishlaydi va unga ulangan neyronlarga
signal berishi mumkin. Ulanishdagi „signal“ haqiqiy raqam boʻlib, har bir
neyroNTing chiqishi uning kirishlari yigʻindisining chiziqli boʻlmagan funksiyasi
bilan hisoblanadi.
Ulanishlar deyiladi qirralar. Neyronlar va chekkalar odatda
oʻrganish davom etayotganda sozlanadigan
vaznga ega.
Neyronlar shunday
chegaraga ega boʻlishi mumkinki, signal faqat yigʻilgan signal ushbu chegarani
kesib oʻtgan taqdirdagina yuboriladi. Odatda, neyronlar qatlamlarga yigʻiladi.
Signallar birinchi qatlamdan (kirish qatlami), oxirgi qatlamga (chiqish qatlami),
ehtimol, qatlamlarni bir necha marta bosib oʻtgandan keyin oʻtadi.
Sun'iy neyronlarning neyronlari, umuman, bir-biriga bog'liq emas. Ular
faqat
bir signal olish, uni aylantirish va yanada berish. Ular bir-biriga
qaramaydilar va qo'shni
neyronga qarab, sinapslarini o'zgartiradilar.
Shundan kelib chiqqan holda, neyron tarmoq bu muammoni faqat bitta
chaqiruvda, volleyda hal qilishi mumkin.
Dastur kodi:
import numpy as np
from sklearn import tree
i = list(map(int, input("Son kiriting : ").split()))
print(i)
clf = tree.DecisionTreeClassifier()
x = [
[220,110,35],[290,60,15],
[260,75,30],[210,140,15],
[200,140,25],[180,180,5],
[180,135,50],[205,120,35],
[110,180,75],[95,197,73],
]
x = np.array(x)
y
=
['yaxsh','yomon',"o'racha",'yaxshi',"o'rtacha",'yomon','yaxshi',"o'rtacha",'yomon','
yomon']
y = np.array(y)
clf = clf.fit(x,y)
taxmin = clf.predict([i])
print(taxmin)