• 1.2.4 Neyron tarmoqlardan foydalanishdagi qiyinchiliklar x
  • Ob'ektni chuqur o'rganish Tan olish, aniqlash va segmentlash




    Download 1,33 Mb.
    Pdf ko'rish
    bet9/25
    Sana25.01.2024
    Hajmi1,33 Mb.
    #146103
    1   ...   5   6   7   8   9   10   11   12   ...   25
    Bog'liq
    Chuqur o\'qitish

    W ÿÿ W ÿ ÿ
    Ba'zi ishlar [66] neyron tarmoqlarni oldindan tayyorlash bo'yicha amalga oshirildi,
    shunda ular yaxshi ishga tushirish nuqtasidan boshlanib, BP konvergentsiyasidan
    keyin yaxshiroq mahalliy minimumga erisha oladi.
    1.2. Neyron tarmoqlar
    9
    Berilgan n ta o'quv namunasi, partiyaning gradient tushishida, maqsad funktsiyasi
    quyidagicha ifodalanishi mumkin
    (1.7)
    n
    p=1
    n
    p=1
    Toÿliq matn: http://dx.doi.org/10.1561/2000000071
    1.4-rasm: Orqaga tarqalish. (a) BP neyron tarmoqlarini o'qitish jarayonini
    tasvirlash. (b) BP bilan o'qitilgan neyron tarmoqlarining ishlashi ishga tushirish
    nuqtasiga bog'liq.
    Machine Translated by Google


    boshqa tomondan, shovqin yaxshiroq echimlarga olib kelishi mumkin. Og'irliklar
    o'zgarib turadi, bu esa yomon mahalliy minimaldan sakrashga imkon beradi.
    (1.9)
    1.2.4 Neyron tarmoqlardan foydalanishdagi qiyinchiliklar
    x sinov namunasidir. xi - qo'llab-quvvatlash vektori. To'liq M qo'llab-quvvatlash
    vektorlari mavjud . K - x va xi o'rtasidagi o'xshashlikni o'lchash uchun yadro
    funktsiyasi . 1.5-rasmda ko'rsatilganidek, SVM M + 1 yashirin neyronli uch qatlamli
    neyron tarmog'i bilan amalga oshirilishi mumkin. K(xi , x) har bir yashirin neyron i da
    chiqariladi .
    f(x) = b +
    Ushbu modellar biologik tizimlar bilan bo'sh aloqalarga ega. Umumiy ta'lim
    muammolarini hal qilish o'rniga, odamlar maxsus tizimlarni ishlab chiqdilar
    1980 va 1990-yillarda turli xil ilovalarda neyron tarmoqlardan foydalanishda odamlar
    bir nechta katta muammolarga duch kelishdi. Neyron tarmoqlar odatda juda ko'p
    parametrlarga ega va ularni o'rgatish qiyin edi. Neyron tarmoqlar uchun o'quv
    to'plamlarida ortiqcha moslashish oson edi, ular test to'plamlarida yomon ishladilar.
    Unda keng ko'lamli o'quv ma'lumotlari yo'q edi, bu esa haddan tashqari moslashish
    muammosini yanada og'irlashtirdi. Hatto nisbatan katta o'quv majmuasida ham bir
    necha yuzta o'quv namunalari mavjud edi. Bundan tashqari, 1980 va 1990-yillarda
    juda cheklangan hisoblash quvvati mavjud bo'lganligi sababli, kichik neyron tarmoqni
    o'rgatish uchun uzoq vaqt kerak bo'ldi. Umuman olganda, neyron tarmoqlarning
    ishlashi boshqa mashinalarni o'rganish vositalariga qaraganda sezilarli darajada
    yaxshi emas edi va neyral tarmoqlarni o'qitish ancha qiyin edi. Shu sababli, ko'plab
    tadqiqotchilar 2000-yillarning boshlarida neyron tarmoqlardan voz kechishdi va SVM,
    Boosting, qarorlar daraxti va K-Yaqin qo'shni kabi boshqa mashina o'rganish
    vositalariga murojaat qilishdi.
    Chuqur o'rganishning tarixiy ko'rinishi
    10
    K(xi , x).
    Mashinani o'rganishning boshqa modellarini faqat bitta yoki ikkita yashirin qatlamli
    neyron tarmoqlari bilan yaqinlashtirish mumkin. Shuning uchun ular sayoz tuzilmalarga
    ega modellar deb ataladi. SVM misoli 1.5-rasmda ko'rsatilgan. SVM ning bashorat
    qilish funktsiyasi quyidagicha yozilishi mumkin
    M
    i=1
    Toÿliq matn: http://dx.doi.org/10.1561/2000000071

    Download 1,33 Mb.
    1   ...   5   6   7   8   9   10   11   12   ...   25




    Download 1,33 Mb.
    Pdf ko'rish

    Bosh sahifa
    Aloqalar

        Bosh sahifa



    Ob'ektni chuqur o'rganish Tan olish, aniqlash va segmentlash

    Download 1,33 Mb.
    Pdf ko'rish