• Modulli neyron tarmoq
  • 11-rasm. Modulli neyron tarmoq
  • Modulli neyron tarmoqning kamchiliklari
  • Sun’iy intellekt va neyron tarmoqlari”fanidan sun’iy neyron tarmoqlari modeli




    Download 1,12 Mb.
    bet9/13
    Sana08.10.2024
    Hajmi1,12 Mb.
    #274151
    1   ...   5   6   7   8   9   10   11   12   13
    Bog'liq
    Mustaqil ish

    Modellarning ketma-ketligi


    K
    etma-ketlik modeli ikkita takrorlanuvchi neyron tarmoqlardan iborat. Bu erda kirishni qayta ishlaydigan kodlovchi va chiqishni qayta ishlaydigan dekoder mavjud. Kodlovchi va dekoder bir vaqtning o'zida ishlaydi - bir xil parametr yoki boshqa parametrlar yordamida. Ushbu model, haqiqiy RNN dan farqli o'laroq, kirish ma'lumotlarining uzunligi chiqish ma'lumotlarining uzunligiga teng bo'lgan hollarda ayniqsa qo'llaniladi. Ular RNNning o'xshash afzalliklari va cheklovlariga ega bo'lsa-da, bu modellar odatda chatbotlarda , mashina tarjimalarida va savollarga javob berish tizimlarida qo'llaniladi.(10-rasm)
    10-rasm. Modellarning ketma-ketligi

    Modulli neyron tarmoq

    Modulli neyron tarmog'ining qo'llanilishi


    1. Qimmatli qog'ozlar bozorini bashorat qilish tizimlari

    2. Belgilarni tanib olish uchun moslashtirilgan MNN 

    3. Yuqori darajadagi kirish ma'lumotlarini siqish

    M
    odulli neyron tarmog'i mustaqil ishlaydigan va kichik vazifalarni bajaradigan bir qancha turli tarmoqlarga ega. Hisoblash jarayonida turli tarmoqlar haqiqatan ham bir-biri bilan o'zaro ta'sir qilmaydi yoki signal bermaydi. Ular natijaga erishish uchun mustaqil ravishda ishlaydi.(11-rasm)

    11-rasm. Modulli neyron tarmoq


    Natijada, katta va murakkab hisoblash jarayoni uni mustaqil komponentlarga bo'lish orqali sezilarli darajada tezroq amalga oshiriladi. Hisoblash tezligi oshadi, chunki tarmoqlar o'zaro aloqada emas yoki hatto bir-biriga ulanmaydi.

    Modulli neyron tarmog'ining afzalliklari


    1. Samarali

    2. Mustaqil trening

    3. Mustahkamlik

    Modulli neyron tarmoqning kamchiliklari


    1. Maqsadlarni ko'chirish muammolari



    2 qatlamli neyron tarmoq:


    import numpy as np

    # sigmoid function


    def nonlin(x,deriv=False):
    if(deriv==True):
    return x*(1-x)
    return 1/(1+np.exp(-x))
    # input dataset
    X = np.array([ [0,0,1],
    [0,1,1],
    [1,0,1],
    [1,1,1] ])
    # output dataset
    y = np.array([[0,0,1,1]]).T

    # seed random numbers to make calculation


    # deterministic (just a good practice)
    np.random.seed(1)

    # initialize weights randomly with mean 0


    syn0 = 2*np.random.random((3,1)) - 1

    for iter in xrange(10000):


    # forward propagation


    l0 = X
    l1 = nonlin(np.dot(l0,syn0))

    # how much did we miss?


    l1_error = y - l1

    # multiply how much we missed by the


    # slope of the sigmoid at the values in l1
    l1_delta = l1_error * nonlin(l1,True)

    # update weights


    syn0 += np.dot(l0.T,l1_delta)

    print "Output After Training:"


    print l1
    Treningdan keyingi natijalar:
    [[ 0.00966449]
    [0,00786506]
    [0.99358898]
    [0.99211957]]




    Download 1,12 Mb.
    1   ...   5   6   7   8   9   10   11   12   13




    Download 1,12 Mb.

    Bosh sahifa
    Aloqalar

        Bosh sahifa



    Sun’iy intellekt va neyron tarmoqlari”fanidan sun’iy neyron tarmoqlari modeli

    Download 1,12 Mb.