|
Ma’lumotlarning intellektual tahlili fanidan yakuniy nazoratda tushadigan savollar mazmunini akslantirgan savollar banki
|
| bet | 13/14 | | Sana | 15.03.2023 | | Hajmi | 2.1 Mb. | | #45527 |
Bog'liq data mining yakiy savol javobi bilan VIZUAL, Taqdimot (8), @uqituvchiga hujjat Aniq fanlar metodbirlashmasi ish rejasiSunʼiy 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
Sunʼiy neyron tarmoqlardan foydalanish ularning xususiyatlarini tushunishni talab qiladi.
Modelni tanlash: Bu maʼlumotlar taqdimoti va ilovaga bogʻliq. Haddan tashqari murakkab modellar sekin oʻrganishdir.
Oʻrganish algoritmi: Oʻrganish algoritmlari oʻrtasida koʻplab kelishuvlar mavjud. Deyarli har qanday algoritm maʼlum bir maʼlumotlar toʻplamini oʻqitish uchun toʻgʻri giperparametrlar bilan yaxshi ishlaydi. Biroq, koʻrinmas maʼlumotlar boʻyicha trening algoritmini tanlash va sozlash muhim tajribani talab qiladi.
Barqarorlik: Agar model, xarajat funksiyasi va oʻrganish algoritmi toʻgʻri tanlangan boʻlsa, natijada SNT mustahkam boʻlishi mumkin.
SNT imkoniyatlari quyidagi keng toifalarga kiradi:
Funksiyani yaqinlashtirish yoki regressiya tahlili, jumladan, vaqt seriyasini bashorat qilish, fitnesga yaqinlashtirish va modellashtirish.
Tasniflash, shu jumladan naqsh va ketma-ketlikni aniqlash, yangilikni aniqlash va ketma-ket qaror qabul qilish.[85]
Maʼlumotlarni qayta ishlash, jumladan, filtrlash, klasterlash, koʻr manbalarni ajratish va siqish.
Robototexnika, shu jumladan boshqarish manipulyatorlari va protezlari.
74
|
Ma’lumotlarning intellektual tahlilida sun’iy neyron tarmoqlari yordamida qanday qilib sinflashtirish masalalari yechiladi?
|
|
Oldinga yo'naltirilgan neyron tarmoqlari hozirda tasniflash muammolarida keng qo'llaniladi, statistik sohada ishlab chiqilgan nochiziqli diskriminatsiya usullari esa kamroq ma'lum. Tasniflash uchun umumiy asos yaratilgan bo'lib, unda statistika, neyron tarmoqlar, naqshlarni aniqlash va mashinani o'rganish usullarini solishtirish mumkin. Neyron tarmoqlar regressiya orqali tasniflash uchun ishlatilishi mumkin bo'lgan moslashuvchan chiziqli bo'lmagan regressiya usullari sinfidan biri sifatida paydo bo'ladi. Parametrlarni baholash, tasniflagichlarni baholash va algoritmlarni ishlab chiqishda ko'plab qiziqarli masalalar saqlanib qolmoqda.
|
75
|
Sun’iy neyron tarmoqlari nima?
|
|
|
|
|
Bosh sahifa
Aloqalar
Bosh sahifa
Ma’lumotlarning intellektual tahlili fanidan yakuniy nazoratda tushadigan savollar mazmunini akslantirgan savollar banki
|
