|
Toshkent tibbiyot akademiyasi biotibbiyot muhandisligi, informatika va biofizika kafedrasi
|
| bet | 1/9 | | Sana | 27.05.2024 | | Hajmi | 41,95 Kb. | | #254571 |
Bog'liq “ Sun\'iy neyron tarmoqlari modeli
O’ZBEKISTON RESPUBLIKASI SOG’LIQNI SAQLASH VAZIRLIGI
TOSHKENT TIBBIYOT AKADEMIYASI BIOTIBBIYOT MUHANDISLIGI, INFORMATIKA VA BIOFIZIKA KAFEDRASI
1-son Davolash fakulteti 1-kurs d23-16b - guruh talabasi
Baxromova Marjona Farxod qizining “Tibbiyotda axborot texnologiyalari” fanidan
“Sun'iy neyron tarmoqlari modeli” mavzusidagi bajargan
MUSTAQIL ISHI
Qabul qildi: A.A. Qoraboyev
Toshkent-2023
MUNDARIJA
Kirish ………………………………………………………………………… 3
Asosiy qism....................……………………………………………………….4
Xulosa …………………………………………………………………………18
Mavzu bo’yicha test savollari………………………………………………….19
Glossari………………………………………………………………………...21
Foydalanilgan adabiyotlar ……………………………………………………. 22
KIRISH
Sun'iy neyron tarmoq bu soddalashtirishdan ilhomlanib, o'zaro bog'langan tugunlar guruhi neyronlar a miya. Bu erda har bir dumaloq tugun an sun'iy neyron strelka esa bitta sun'iy neyronning chiqishi bilan ikkinchisining kirishiga bog'lanishni anglatadi. Sun’iy neyron tarmoqlari (ANNlar), odatda oddiy deb nomlanadi asab tarmoqlari (NNlar), hisoblash tizimlari tomonidan noaniq ravishda ilhomlangan biologik neyron tarmoqlari hayvonlarni tashkil qiladi miyalar. Neyronlar odatda bir nechta qatlamlarga bo'linadi, ayniqsa chuqur o'rganish. Bir qatlam neyronlari faqat oldingi va darhol keyingi qatlamlarning neyronlari bilan bog'lanadi. Tashqi ma'lumotlarni qabul qiladigan qatlam bu kirish qatlami. Yakuniy natija beradigan qatlam bu chiqish qatlami. Ularning orasidagi nol yoki undan ko'p yashirin qatlamlar. Bir qavatli va qatlamsiz tarmoqlardan ham foydalaniladi. Ikki qatlam o'rtasida bir nechta ulanish naqshlari mumkin. Ular bo'lishi mumkin to'liq ulangan, bitta qatlamdagi har bir neyron keyingi qatlamdagi har bir neyron bilan bog'langan holda. Ular bo'lishi mumkin hovuzlash, bu erda bir qatlamdagi neyronlar guruhi keyingi qatlamdagi bitta neyronga ulanadi va shu bilan ushbu qatlamdagi neyronlarning sonini kamaytiradi
Ushbu mustaqil ta’lim jarayonida neyron tarmoqlarini o'qitishda paydo bo'ladigan optimallashtirish muammosining xususiyatlari; minimallashtirish yo'nalishini tanlash algoritmlari: eng keskin tushish algoritmi, partfan usullari, bir bosqichli kvazi-Nyuton usuli va konjuge gradyanlari haqida tushchalar berilgan.
|
| |
