|
Mustaqil ishi Mavzu: Ierarxik klasterlash Bajardi: Kompyuter injineringi fakulteti
|
| bet | 3/10 | | Sana | 14.05.2024 | | Hajmi | 1,17 Mb. | | #232713 |
Bog'liq Masharipov Sanatbek mashinali o\'qitish2. Chuqur o'rganish
Chuqur o'rganish - bu mashinani o'rganish algoritmlari tomonidan taqdim etilgan ilg'or funktsiyalarning o'ziga xos qo'llanilishi. Farqi har bir algoritm qanday o'rganishida. "Chuqur" mashinani o'rganish modellari sizning algoritmingiz haqida ma'lumot berish uchun yorliqli ma'lumotlar to'plamidan, shuningdek, nazorat ostida o'rganish sifatida ham tanilgan ma'lumotlardan foydalanishi mumkin, ammo bu yorliqli ma'lumotlarni talab qilmaydi. Chuqur o'rganish tuzilmagan ma'lumotlarni xom ko'rinishida (masalan, matn yoki tasvirlar) qabul qilishi mumkin va u ma'lumotlarning turli toifalarini bir-biridan ajratib turadigan xususiyatlar to'plamini avtomatik ravishda aniqlashi mumkin. Bu inson aralashuvining bir qismini bartaraf qiladi va kattaroq ma'lumotlar to'plamlaridan foydalanishga imkon beradi.
Sun'iy intellekt, mashinani o'rganish, chuqur o'rganish va neyron tarmoqlar haqida o'ylashning eng oson yo'li ularni har biri keyingisini o'z ichiga olgan eng kattadan eng kichigigacha bir qator AI tizimlari sifatida ko'rib chiqishdir. Sun'iy intellekt (AI) umumiy tizimdir. Mashinani o'rganish AIning kichik to'plamidir. Chuqur o'rganish - bu mashinani o'rganishning kichik sohasi va neyron tarmoqlar chuqur o'rganish algoritmlarining asosini tashkil qiladi. Bu bitta neyron tarmoqni uchtadan ko'p bo'lishi kerak bo'lgan chuqur o'rganish algoritmidan ajratib turadigan tugun qatlamlari soni yoki neyron tarmoqlarning chuqurligi. Mashinani o'rganish algoritmlari qanday ishlaydi
UC Berkeley dan maqola mashinani o'rganish algoritmini o'rganish tizimini uchta asosiy qismga ajratadi.
Qaror qabul qilish jarayoni:
1.Umuman olganda, mashinani o'rganish algoritmlari bashorat qilish yoki tasniflash uchun ishlatiladi. Belgilangan yoki yorliqsiz bo'lishi mumkin bo'lgan ba'zi kirish ma'lumotlariga asoslanib, sizning algoritmingiz ma'lumotlardagi naqsh haqida taxmin ishlab chiqaradi.
2.Xato funksiyasi: Xato funksiyasi modelni bashorat qilishni baholaydi. Agar ma'lum misollar mavjud bo'lsa, xato funktsiyasi modelning to'g'riligini baholash uchun taqqoslashni amalga oshirishi mumkin.
3. Modelni optimallashtirish jarayoni: Agar model o'quv majmuasidagi ma'lumotlar nuqtalariga yaxshiroq moslasha olsa, u holda ma'lum misol va model bahosi o'rtasidagi tafovutni kamaytirish uchun og'irliklar o'rnatiladi. Algoritm ushbu "baholash va optimallashtirish" jarayonini takrorlaydi va aniqlik chegarasiga erishilgunga qadar vaznlarni avtonom ravishda yangilaydi.
Nazorat ostidagi ta'lim, ayniqsa, kerakli natijani berish uchun modellarni o'rgatish uchun o'quv majmuasidan foydalanadi. Ushbu o'quv ma'lumotlar to'plami vaqt o'tishi bilan modelni o'rganish imkonini beruvchi kirish va to'g'ri natijalarni o'z ichiga oladi. Algoritm o'zining aniqligini yo'qotish funktsiyasi orqali o'lchaydi, xatolik etarli darajada minimallashtirilgunga qadar sozlaydi.
|
| |
