Foydalanilan adabiyotlar ro‘yxati
1.
Digital Diplomacy: Theory and Practice (Routledge New
Diplomacy Studies) 1st Edition. Corneliu Bjola, Marcus Holmes
2.
Digital Diplomacy: Conversations on Innovation in Foreign Policy.
Andreas Sandre
3.
ЦИФРОВАЯ ДИПЛОМАТИЯ-ПРИОРИТЕТНЫЙ ФАКТОР
ФОРМИРОВАНИЯ
МЕЖГОСУДАРСТВЕННЫХ
ОТНОШЕНИЙ. МС Якубов, ФМ Мухтаров
4.
Tojimatov Dostonbek, Mirzaev Jamshid. Use of Artificial
Intelligence Opportunities for Early Detection of Threats to
Information Systems.
Искусственный интеллект, методы и технологии информационной безопасности
Международная научно-техническая конференция «Практическое применение технических и
цифровых технологий и их инновационных решений», ТАТУФФ, Фергана, 4 мая 2023 г.
518
СОЗДАНИЕ БАЗЫ ДАННЫХ И КЛАССИФИКАЦИЯ ДЛЯ GRAPHIC
DETECTION ПРОЕКТА ИСКУССТВЕННОГО НЕЙРОННОГО
СЕТИ.
Расулов Акбарали Махаматович
доктор физики математических наук
Тошматов Шерзод Муротжонович
Магистрант, Ташкентский университет информационной технологии
ферганского филиала именем Мухаммада Ал Хоразмий. Г. Фергана
Matplotlib-это всеобъемлющая библиотека для создания статических,
анимированных и интерактивных визуализаций на Python. нейронная сеть,
принцип работы нейронной сети.
Neural
network-
Нейронная сеть - Это компьютерная с
модулированная программа, работающая по принципу, живого
человеческого мозга или же нервного клетка .
Что такое искусственное нейронная сеть и где оно используется?
На сегодняшней день цифровизация и цифровые технологии
развивается полным ходом. Оно отражается в любой сфере человеческой
жизни. Например широко стало использоваться в медицине при
обнаружение раковых клеток, военной промышленная сфера, без
пилотные автомобили, умные дома и конечно же робототехнике их можно
перечислять без конечно. В проектирование таких умных и сложных
систем невозможно представить без знаний как решение задач
искусственной нейронной сети.
Как работает нейронная сеть?
Входной слой искусственных нейронов получает информацию из
окружающей среды (с веб какой не будь графической объект), а выходной
слой передает ответ; между этими уровнями может находиться один или
несколько «скрытых» слоев (без прямого контакта с окружающей средой),
где происходит основная часть обработки информации. Выход нейронной
сети зависит от веса связей между нейронами в разных слоях.
Задача таких искусственных нейронных сетей - выполнять такие
когнитивных задач, как решение проблем и машинное обучение. Что такое
Sun’iy intelekt, axborot xavfsizligi texnikasi va texnologiyalari
Международная научно-техническая конференция «Практическое применение технических и
цифровых технологий и их инновационных решений», ТАТУФФ, Фергана, 4 мая 2023 г.
519
Machine learning или машинное обучение? Суть обучения фокусируется на
создании программного обеспечения получать доступ к данным и
использовать их , чтобы обеспечить лучшие результат при обучение
проекта, точность результата зависит от весов нейронов и слоев нейронов.
Существует однослойные нейроны (для решение обычных математических
задач) и много слоеные нейроны (для решение сложных математических
задач).
У каждого нейрона имеется вес. Веса нейронов зависит от
количество данных внутри нейрона который, собирает во время
проектирование дата сета. Дата сайнтист (DataScientist) это аналитик
проектировщик. Они считаются очень востребованными и высоко
оплачиваемыми специалистами в сфере информационной технологии.
Главная цель Machine learning - позволять машинам, таким как
компьютеры автоматически обучаться без какого-либо помощи человека, а
затем соответствующим образом регулировать свои действия на основе за
ранний полученных данных и их точного решения.
В для создание нейронной сети в высокоуровневый программным
языке Pyuthon нам не обходимо установит соответствующие библиотеки
таких как NumPy, CV, Open CV, Ceras, TensorFlow, Matplotlib смотря что
представляет наш проект.
Определение и функции используемых библиотек в среде разработке
Pyuthon.
NumPy
. Предназначена
для работы с числами и сложной
математикой. В первую очередь она облегчает расчеты с матрицами и
многомерными массивами — именно в таком виде мы передаем любые
данные на вход алгоритмам и моделям в методах глубокого обучения.
Поэтому NumPy входит в базовый стек библиотек для Machine Learning.
OpenCV
. Это открытая библиотека для работы с алгоритмами
компьютерного зрения, машинным обучением и обработкой изображений.
Matplotlib
. Предназнаечено для удобного построения графиков и
визуализации результатов. Активно применяется в задачах анализа
данных, при оценке и сравнении метрик алгоритмов, наблюдениях за
моделью. Нередко
Matplotlib
используется в тандеме с NumPy и SciPy.
Искусственный интеллект, методы и технологии информационной безопасности
Международная научно-техническая конференция «Практическое применение технических и
цифровых технологий и их инновационных решений», ТАТУФФ, Фергана, 4 мая 2023 г.
520
TensorFlow
. Мощная библиотека для глубокого обучения. В
основном
TensorFlow
используется для создания и обучения нейронных
сетей. Ее можно представить как «ядро» для математических вычислений
на Python. Она представляет данные как тензоры — векторы, которые
складываются в графы.
Keras
. Упрощает
использование TensorFlow.
Keras
отвечает
за
создание и настройку моделей и нейросетей, а TensorFlow выполняет в них
расчеты.
После установление этих библиотек, необходимо классифицировать
все нами собранные графические данные. Данные должны при
образовываться на Аффинное пре образование.
Аффинное
пре
образование
одним
словам,
аффинных
преобразований вращения, сдвигов, изменения масштаба картинок: Такие
действии поможет вам снизить вероятность повторного сложного
переобучения и обеспечит лучшую инвариантность классификатора к
трансформациям, таким образом проект в программе будит работать
беcперебойно. Преобразование картинок реализуется следующим образом.
Вообще можно очень долго говорить про эту тему, потому что это основы
основ. Взять любую графику и сжать на выборочный кяфицент 1,2 а за тем
расстенуть с кайфицентом 2,0 то все точки вернутса в исходное
положение.
Например: Преобразованная фотография дорожного знака въезд
запрещен.
Каждая изображения варьируетса по шкале 28х28=784 пиксел. А
внутри каждого пикселя от 0 до 255 точек. Тут 0 полностью белое пиксель
а 255 это сильно серой цвет это позволяет работать с ними. Это целое
сжатое фото. (Рис.1 Рис.2)
Каждая изображения варьируетса по шкале 28х28пикселей где 0 это
полностью белой пиксель. А 255 это сильно серой цвет это позволяет
работать с ними легко и даже можно работать с небольшим мощностью
компьютера. Таким образом варьируется каждый пиксель в графическом
Sun’iy intelekt, axborot xavfsizligi texnikasi va texnologiyalari
Международная научно-техническая конференция «Практическое применение технических и
цифровых технологий и их инновационных решений», ТАТУФФ, Фергана, 4 мая 2023 г.
|