|
Toshkent axborot texnologiyalar universiteti urganch filliali
|
| bet | 1/3 | | Sana | 14.05.2024 | | Hajmi | 113,49 Kb. | | #231278 |
“TOSHKENT AXBOROT TEXNOLOGIYALAR UNIVERSITETI URGANCH FILLIALI”
961-20 GURUH TALABASI
YAKUBOV XO’SINBOYNING
TARMOQ XAVFSIZLIGI FANIDAN
“NEYRON TARMOG’INING ISHLASH BOSQICHLARI”
MAVZUSIDA
MUSTAQIL ISHI
2024 Urganch
Kirish
Bugungi texnologiyalar rivojlangan davrda sun’iy intellekt va neyron to‘rli tarmoqlar texnologiyalari jamiyat hayotida muhim o‘rin ega. Sun’iy neyron tarmoqlari an’anaviy algoritmik yechimlar samarasiz yoki imkonsiz bo'lgan hollarda murakkab muammolarni hal qilishda faol qo'llaniladi Zamonaviy kompyuterlarning imkoniyatlari turli xil hisob-kitoblarni inson miyasining imkoniyatlaridan o‘nlab kattalikdagi tezlikda bajarishga imkon beradi. Biroq, bir qator hisoblamaydigan vazifalar, hatto odamlar uchun ahamiyatsiz bo‘lsa ham, kompyuter texnologiyalari uchun juda qiyin bo‘lib qolmoqda. Insonning ma’lumotni assotsiativ ravishda saqlash, kontekstni hisobga olgan holda ma’lumotlarni o‘rganish, umumlashtirish va qayta ishlash qobiliyati hatto zamonaviy superkompyuterlar uchun ham beqiyos bo‘lib qolmoqda. Sun’iy neyron tarmoqlarini oyihalashdan maqsad tabiiy intellekt tamoyillariga muvofiq ishlaydigan hisoblash tuzilishini yoki algoritmini qurishdir. Neyron tarmoqlarining quyidagi xususiyatlarini asosiylariga kiritish mumkin.
I BOB SUN’IY NEYRON TARMOQLAR
Sun’iy neyron tarmog’ining tarixi
Sun'iy neyron tarmoqlar biologiyaviy neyron tarmoqlari strukturasi va faoliyati asosida ilhomlangan hisoblash modellari, uzluksiz bog'liq bo'lgan nuqtalar tuzilishi va ma'lumotlarni ishlovchi, ko'rinish tanish, mashina o'rganish va ma'lumotlarni tahlil qilish kabi vazifalarni bajarish uchun ishlatiladi. SNT sunʼiy neyronlar deb ataladigan bogʻlangan birliklar yoki tugunlar toʻplamiga asoslanadi, ular biologik miyadagi neyronlarni erkin modellashtiradi. Sunʼiy neyron signallarni oladi, keyin ularni qayta ishlaydi va unga ulangan neyronlarga signal berishi mumkin. Ulanishdagi „signal“ haqiqiy raqam boʻlib, har bir neyroNTing chiqishi uning kirishlari yigʻindisining chiziqli boʻlmagan funksiyasi bilan hisoblanadi. Ulanishlar deyiladi qirralar. Neyronlar va chekkalar odatda oʻrganish davom etayotganda sozlanadigan vaznga ega. Neyronlar shunday chegaraga ega boʻlishi mumkinki, signal faqat yigʻilgan signal ushbu chegarani kesib oʻtgan taqdirdagina yuboriladi. Odatda, neyronlar qatlamlarga yigʻiladi. Signallar birinchi qatlamdan (kirish qatlami), oxirgi qatlamga (chiqish qatlami), ehtimol, qatlamlarni bir necha marta bosib oʻtgandan keyin oʻtadi.
Uorren Makkallok va Uolter Pits (1943) neyron tarmoqlar uchun hisoblash modelini yaratish orqali mavzuni ochdilar. 1940-yillarning oxirida DO Hebb neyron plastisiya mexanizmiga asoslangan taʼlim gipotezasini yaratdi, u Hebbian oʻrganish nomi bilan mashhur boʻldi. Farley va Uesli A. Klark (1954) Hebbian tarmogʻini simulyatsiya qilish uchun dastlab hisoblash mashinalaridan foydalangan. 1958-yilda psixolog Frenk Rozenblat Amerika Qoʻshma Shtatlari Dengiz tadqiqotlari boshqarmasi tomonidan moliyalashtirilgan birinchi sunʼiy neyron tarmogʻi boʻlgan perseptroNTi ixtiro qildi. Koʻp qatlamli birinchi funktsional tarmoqlar 1965-yilda Ivaxnenko va Lapa tomonidan Maʼlumotlar bilan ishlashning guruh usuli sifatida nashr etilgan. Uzluksiz orqaga tarqalish asoslari boshqaruv nazariyasi kontekstida 1960-yilda Kelli va 1961-yilda Brayson tomonidan dinamik dasturlash tamoyillaridan foydalangan holda olingan. Keyinchalik tadqiqot Minsky va Papert (1969) dan soʻng toʻxtab qoldi, ular asosiy.
1970-yilda Seppo LiNTainmaa ichki differensiallanuvchi funksiyalarning diskret ulangan tarmoqlarini avtomatik farqlashning umumiy usulini (AD) nashr etdi. 1973-yilda Dreyfus boshqaruvchilar parametrlarini xato gradientlariga mutanosib ravishda moslashtirish uchun orqaga tarqalish usulidan foydalangan. 1982-yilda u LiNTainmaaning AD usulini neyron tarmoqlarga keng qoʻllanilgan usulda qoʻlladi.
1988-yildan boshlab, neyron tarmoqlardan foydalanish oqsil tuzilishini bashorat qilish sohasini oʻzgartirdi, birinchi kaskadli tarmoqlar bir nechta ketma-ketliklarni tekislash orqali ishlab chiqarilgan profillar (matritsalar) boʻyicha oʻqitilganda.
Neyron tarmoqlarning dastlabki muvaffaqiyatlari birja bozorini bashorat qilish va 1995-yilda (asosan) oʻzini oʻzi boshqaradigan avtomobilni oʻz ichiga oladi.
Geoffrey Xinton va boshqalar. (2006) har bir qatlamni modellashtirish uchun cheklangan BoltzmSNT mashinas. 2012-yilda Ng va Din faqat yorliqsiz tasvirlarni tomosha qilish orqali mushuklar kabi yuqori darajadagi tushunchalarni tan olishni oʻrgangan tarmoq yaratdilar. Nazoratsiz oldindan oʻqitish va GPU va taqsimlangan hisoblash quvvatining ortishi kattaroq tarmoqlardan foydalanishga imkon berdi, xususan, tasvir va vizual aniqlash muammolarida " chuqur oʻrganish " nomi bilan mashhur boʻldi.
Ciresan va uning hamkasblari (2010) gradient muammosining yoʻqolishiga qaramay, GPUlar koʻp qatlamli oldinga oʻtiladigan neyron tarmoqlar uchun orqaga tarqalishni amalga oshirish mumkinligini koʻrsatdi. 2009 va 2012-yillar oraligʻida SNT tasvirlarni aniqlash tanlovlarida sovrinlarni qoʻlga kirita boshladi, dastlab naqshni aniqlash va qoʻl yozuvini tanib olish boʻyicha turli vazifalarda inson darajasidagi ishlashga yaqinlashdi
Ciresan va uning hamkasblari yoʻl belgilarini tanib olish(IJCNT 2012) kabi mezonlarda insoNTing raqobatbardosh/gʻayritabiiy ishlashiga erishish uchun birinchi namuna tan oluvchilarni yaratdilar.
Neyron tarmog’ining hozirgi kundagi globallashuvi
|
| |
