|
Neyron tarmoqlar, konvolyutsion neyron tarmoqlari
Proceedings of International Conference on Scientific Research in Natural and Social Sciences
Hosted online from Toronto, Canada.
Date:
5
th
December, 2022
ISSN: XXXX-XXXX
Website:
econferenceseries.com
110 |
P a g e
chiqadi. Biroq, ular intuitiv, ammo amalga oshirish qiyin bo'lgan ehtimollik xulosasi
va mustaqillik haqida gap ketganda, Bayes matematikasiga tayanadilar. Umuman
olganda, bu tarmoq neyronlarning ta'sirini hisobga oladi, deb aytishimiz mumkin.
Agar biror narsa bir joyda sodir bo'lsa va boshqa narsa - boshqa joyda sodir bo'lsa,
bu hodisalar mutlaqo bog'liq emas va buni hisobga olish kerak.Shovqinni bekor
qiluvchi avtokoderlar(avtokoderni noaniqlash, DAE) shovqinli holatda kirish
ma'lumotlari beriladigan AElardir. Biz xatoni xuddi shu tarzda hisoblaymiz va
chiqish shovqinli bilan taqqoslanadi. Buning yordamida tarmoq kengroq
xususiyatlarga e'tibor berishni o'rganadi, chunki kichiklari shovqin bilan o'zgarishi
mumkin.Chuqur e'tiqod tarmog'i(chuqur e'tiqod tarmoqlari, DBN) tarmoq bir necha
oʻzaro bogʻlangan RBM yoki VAE lardan iborat boʻlgan arxitektura turiga berilgan
nom. Bunday tarmoqlar blok-blok bo'yicha o'qitiladi va har bir blok faqat oldingisini
kodlay olishi kerak. Ushbu uslub "ochko'z o'rganish" deb ataladi, bu optimal yakuniy
natijani kafolatlamaydigan mahalliy optimal echimlarni tanlashni o'z ichiga oladi.
Shuningdek, tarmoqni ehtimollik modeli ko'rinishida ma'lumotlarni ko'rsatishga
o'rgatish mumkin (backpropagation usuli yordamida). Nazoratsiz ta'limdan
foydalangan holda, barqarorlashtirilgan model yangi ma'lumotlarni yaratish uchun
ishlatilishi mumkin.[3]Konvolyutsion neyron tarmoqlari(konvolyutsion neyron
tarmoqlari, CNN)va chuqur konvolyutsion neyron tarmoqlar(chuqur konvolyutsion
neyron tarmoqlari, DCNN) boshqa turdagi tarmoqlardan juda farq qiladi. Ular
odatda tasvirni qayta ishlash uchun, kamroq audio uchun ishlatiladi. CNN-dan
odatiy foydalanish tasvirlarni toifalarga ajratishdir: agar rasmda mushuk bo'lsa,
tarmoq "mushuk", agar it bo'lsa, "it" ni qaytaradi. Bunday tarmoqlar odatda barcha
ma'lumotlarni bir vaqtning o'zida tahlil qilmaydigan "skaner" dan foydalanadi.
Misol uchun, agar sizda 200x200 o'lchamdagi rasm bo'lsa, siz bir vaqtning o'zida
barcha 40 ming pikselni qayta ishlamaysiz. Buning o'rniga, tarmoq 20 x 20 kvadratni
(odatda yuqori chap burchakdan) hisoblab chiqadi, keyin 1 pikselni siljitadi va yangi
kvadratni hisoblaydi va hokazo. Keyinchalik bu kirish konvolyutsion qatlamlardan
o'tadi, ularda barcha tugunlar ulanmagan. Bu qatlamlar chuqurlashgani sari
qisqarishga moyil bo'lib, ko'pincha ikkitasining kuchlari qo'llaniladi: 32, 16, 8, 4, 2,
1. Amalda ma'lumotlarni keyingi qayta ishlash uchun FFNN CNN oxiriga
biriktirilgan. Bunday tarmoqlar chuqur tarmoqlar (DCNN) deb ataladi.
|
| |
