|
Mavzu: noaniqliklarni taqdim etish uchun shartli ehtimollik afzallik va kamchiliklari
|
| bet | 1/14 | | Sana | 09.01.2024 | | Hajmi | 145,14 Kb. | | #133357 |
Bog'liq 2mustq
O’ZBEKISTON RESPUBLIKASI AXBOROT TEXNOLOGIYALARI VA KOMMUNIKATSIYALARINI RIVOJLANTIRISH VAZIRLIGI MUHAMMAD AL-XORAZMIY NOMIDAGI TOSHKENT AXBOROT TEXNOLOGIYALARI UNIVERSITETI QARSHI FILIALI
MUSTAQIL ISHI
Bajardi:
MAVZU: NOANIQLIKLARNI TAQDIM ETISH UCHUN SHARTLI EHTIMOLLIK AFZALLIK VA KAMCHILIKLARI
Reja:
Kirish
Noravshan to’plamlar ustida amallar va ularning xossalari
Noravshan mantiqda ishonchlilik koeffitsentlari
Sun’iy neyron tarmoqlar modeli
Nutqni tanib olish masalalarida neyron tarmoq modellari va algoritmlari
Vaqtli qatorlarni bashoratlashda neyron tarmoq modellari va algoritmlar
Xulosa
Foydalanilgan adabiyotlar
Kirish
Sun'iy neyron tarmoq bu soddalashtirishdan ilhomlanib, o'zaro bog'langan tugunlar guruhi neyronlar a miya. Bu erda har bir dumaloq tugun an sun'iy neyron strelka esa bitta sun'iy neyronning chiqishi bilan ikkinchisining kirishiga bog'lanishni anglatadi.Sun'iy neyron tarmoqlari (ANNlar), odatda oddiy deb nomlanadi asab tarmoqlari (NNlar),hisoblash tizimlari tomonidan noaniq ravishda ilhomlangan biologik neyron tarmoqlari hayvonlarni tashkil qiladi miyalar. Neyronlar odatda bir nechta qatlamlarga bo'linadi, ayniqsa chuqur o'rganish. Bir qatlam neyronlari faqat oldingi va darhol keyingi qatlamlarning neyronlari bilan bog'lanadi. Tashqi ma'lumotlarni qabul qiladigan qatlam bu kirish qatlami. Yakuniy natija beradigan qatlam bu chiqish qatlami. Ularning orasidagi nol yoki undan ko'p yashirin qatlamlar. Bir qavatli va qatlamsiz tarmoqlardan ham foydalaniladi. Ikki qatlam o'rtasida bir nechta ulanish naqshlari mumkin. Ular bo'lishi mumkin to'liq ulangan, bitta qatlamdagi har bir neyron keyingi qatlamdagi har bir neyron bilan bog'langan holda. Ular bo'lishi mumkin hovuzlash, bu erda bir qatlamdagi neyronlar guruhi keyingi qatlamdagi bitta neyronga ulanadi va shu bilan ushbu qatlamdagi neyronlarning sonini kamaytiradi
Ushbu mustaqil ta’lim jarayonida neyron tarmoqlarini o'qitishda paydo bo'ladigan optimallashtirish muammosining xususiyatlari; minimallashtirish yo'nalishini tanlash algoritmlari: eng keskin tushish algoritmi, partfan usullari, bir bosqichli kvazi-Nyuton usuli va konjuge gradyanlari haqida tushchalar berilgan.
|
| |
