|
Sun`iy neyron to`rlarini o`rganish jarayonidagi falajlik sabablari. Sun`iy neyron to`rlar
|
| bet | 1/4 | | Sana | 23.05.2024 | | Hajmi | 0,8 Mb. | | #251469 |
Bog'liq Falajlik sabablari 33modul, Maxsuliy (produksiya) ekspert tizimlari taraqqiyoti va tadbiqlari., Fudboolchilar Sun`iy neyron to`rlarini o`rganish jarayonidagi falajlik sabablari. Sun`iy neyron to`rlar.
Sun’iy neyron to‘rlari (SNT) – sun’iy neyronlar birlashuvi bilan yuzaga kelgan, biologik nerv to‘rini juda ham soddalashtirilgan ko‘rinishidir. Bu o‘rinda soddalashtirish darajasi neyronlar va ular o‘rtasidagi bog‘lanishlarning beqiyos murakkabligi bilan belgilanadi. Biologik nerv tizimlarida har bir neyron xossalar va funksiyalar to‘plamiga ega bo‘lib, ular ichida miyaning kommunikatsion tizimini tashkil qiluvchi nerv tolalari bo‘yicha elektroximik signallarni qabul qilish, ishlov berish va uzatish funksiyalari noyob hisoblanadi.
Sun`iy neyron tarmoqni ko`rinishi.
Sun’iy neyron to‘rlari o‘z arxitekturasi bilan ajralib turadi: neyron-lar o‘rtasidagi bog‘lanishlar tuzilmasi, qatlamlar soni, neyronlarni faollashtirish funksiyalari, o‘rganish algoritmlari. Bu nuqtayi nazardan mashhur SNT ichidan statistik, dinamik to‘rlar va fuzzytuzilmalar; bir yoki ko‘p qatlamli to‘rlarni ajratib ko‘rsatish mumkin.
Kirish qatlam-Tashqi dunyo ma'lumotlari kirish qatlamidan sun'iy neyron tarmoqqa kiradi. Kirish tugunlari ma'lumotlarni qayta ishlaydi, tahlil qiladi yoki tasniflaydi va keyingi qatlamga o'tkazadi.
Yashirin qatlam-Yashirin qatlamlar kirish qatlamidan yoki boshqa yashirin qatlamlardan ma'lumot oladi. Sun'iy neyron tarmoqlar ko'p sonli yashirin qatlamlarga ega bo'lishi mumkin. Har bir yashirin qatlam oldingi qatlamning chiqishini tahlil qiladi, uni qayta ishlaydi va keyingi qatlamga o'tkazadi.
Chiqish qatlam-Chiqish qatlami barcha ma'lumotlarni sun'iy neyron tarmog'i tomonidan qayta ishlashning yakuniy natijasini beradi. U bir yoki bir nechta tugunlarga ega bo'lishi mumkin. Masalan, ikkilik tasniflash masalasini yechishda (ha/yo'q) chiqish qatlami bitta chiqish tuguniga ega bo'ladi, bu esa "1" yoki "0" natijasini beradi. Biroq, bir nechta tasniflashda, chiqish qatlami bir nechta chiqish tugunlaridan iborat bo'lishi mumkin.
Chuqur neyron tarmoq arxitekturasi.
Chuqur neyron tarmoqlari yoki chuqur o'rganish tarmoqlari bir-biriga ulangan millionlab sun'iy neyronlarga ega bo'lgan bir nechta yashirin qatlamlarga ega. Og'irlik deb ataladigan raqam bir tugunning boshqalarga ulanishini ko'rsatadi. Agar bitta tugun boshqasini qo'zg'atsa, vazn ijobiy yoki bir tugun boshqasini bostirsa salbiy. Og'irligi yuqori bo'lgan tugunlar boshqa tugunlarga ko'proq ta'sir qiladi.Nazariy jihatdan, chuqur neyron tarmoqlar har qanday turdagi kirishni har qanday turdagi chiqishga moslashtirishi mumkin. Ammo shuni yodda tutingki, ular boshqa mashinani o'rganish usullariga qaraganda ancha murakkab treningni talab qiladi. Bunday tugunlarga oddiy tarmoqlarda bo'lgani kabi, yuzlab yoki minglab emas, balki millionlab o'quv ma'lumotlari misollari kerak.
To‘rlardagi hisoblash jarayonlarning farqlanishi, qisman neyron-larning o‘zaro bog‘lanish usullaridan kelib chiqadi, shu sababli to‘rlarning quyidagi turlarini ajratishadi:
– to‘g‘ri tarqalish to‘rlari (feedforward) – signal to‘r bo‘yicha faqat bitta yo‘nalish o‘tadi: kirishdan chiqishga;
– teskari bog‘lanishli to‘rlari (feedforward / feedback);
– yonlanma bog‘lanishli to‘rlar (laterally connected);
– gibrid to‘rlar.
Umuman olganda, bog‘lanishlar tuzilmasi bo‘yicha SNT ikkita sinfga guruhlanishi mumkin:
1) to‘g‘ri tarqalishli to‘rlar – tuzilmada teskari bog‘lanishlar yo‘q;
2) rekkurent to‘rlar – teskari bog‘lanishli.
To‘rlarning birinchi sinfida eng mashhur va ko‘p ishlatiladigani sun’iy neyronlari qatlamli joylashgan ko‘p qatlamli to‘rlari hisob-lanadi.
Qatlamlar o‘rtasidagi bog‘lanishlar – bir yo‘nalishda va aksariyat hollarda har bir neyron chiqishi keyingi qatlamdagi barcha neyronlarning kirishi bilan bog‘langan bo‘ladi. Bunday to‘rlar “statik to‘rlar” deyiladi, chunki o‘z tuzilmasida teskari bog‘lanishlarga va dinamik elementlarga ega emas, to‘r chiqishi esa faqat kirish sifatida berilgan to‘plamga bog‘liq bo‘ladi, to‘rning oldingi holatlariga bog‘liq emas. Statik to‘rlardan farqli ravishda ikkinchi sinfidagi to‘g‘ri tarqalishli to‘rlarga “dinamik to‘rlar” deyiladi. Ularda teskari bog‘lanishning mavjudligi tufayli har bir vaqt momentidagi holat oldingi holatga bog‘liq bo‘ladi.
Yechilishida SNT ishlatiladigan masalalarni 4 toifaga bo‘lish mumkin:
– anglash va klassifikatsiya (klaster tahlil, masalan, belgili berilganlarni va nutqni anglash, elektrokardiogrammani, qon kataklarini va boshqa berilganlarni sinflarga ajratish; klasterli tahlilda o‘lchov berilganlarini guruhlash va ichki xususiyatlari bilan bir-biriga juda ham o‘xshash bo‘lgan berilganlarni bitta sinf ostilariga (klasterlarga) guruhlash amallari bajariladi);
– tasvirlarga ishlov berish: matn, video, aerofoto suratlar;
– identifikatsiya va boshqaruv tizimlari;
– signallarni bilan ishlash, xususan, modellashtirish masalalarida funksiya approksimatsiyasi.
Topologik nuqtayi nazardan neyron to‘rini o‘lchangan bog‘lanishli yo‘naltirilgan graf ko‘rinishi tasavvur qilish mumkin. Bunda sun’iy neyronlar graf uchlari, sinaptik bog‘lanishlar – graf yoylari bo‘ladi.
Sun’iy neyron – biologik neyronning ba’zi funksiyalarini bajaruvchi SNT elementi bo‘lib, uning asosiy vazifasi kirish signallariga bog‘liq holda chiqish signalini shakllantirishdan iborat. Eng keng tarqalgan konfiguratsiyalarda kirish signallari moslashuvchi summatorlar orqali silliqlanadi, keyin summatorning chiqish signali nochiziqli o‘zgartirgichga (faollashtirish funksiyasiga) kiradi va u yerda ham o‘zgartirilib chiqishga uzatiladi.
|
| |
