1. Nerv faoliyatining biologik jihatlari;
Sun'iy intellektning (SI) tadbiqi bir qator shartlarni talab qiladi: kuchli kompyuter tizimlari (tezkor
protsessorlar, yuqori sig’imli xotira qurilmalari), insonning kognitiv jarayonlarini taqlid
qiluvchi mos
algoritmlar (soddalashtirilgan bo'lsa ham) va mashinaga o'rganilayotgan hodisani tahlil qilish imkonini
beruvchi ma’lumotlar va h.k.. Ko’p holatlarda SIning asosini mashinali o'rgatish (MO) usullari tashkil
etadi.Amaliyotda, SI-ni sun’iy neyron to’rlari (SNN), shuningdek, neyron to’r usuli yoki oddiy neyron
usuli deb ham ataladi. Boshqa bunday usullarga genetik algoritmlar, holatlarga asoslangan
fikrlash,
qoidalarga asoslangan tizimlar, noravshan (ing. til.fuzzy) modellar, ko'p agentli tizimlar,
mustahkamlashni o'rgatish, gibrid tizimlar va boshqalar kiradi. SNN - bu mashinali o'rgatish usuli bo'lib,
u biologik neyron tizimiga asoslangan bo’lib, inson miyasi, ma’lumotni ishlash va qayta ishlash usuliga
taqlid qilishga (juda soddalashtirilgan tarzda) harakat qiladi. Inson miyasi
qanday ishlashi haqida hali
ko'p narsa noma'lum bo'lsa-da, miyaning taxminan 100 million neyronlari odamlarga oldingi tajribalarni
tushunish, eslash, o'ylash va qo'llash imkonini beradi. Sun'iy neyron tabiiy neyronning ushbu asosiy
funktsiyalarini simulyatsiya qiladi va shu bilan inson neyron tarmog'ining asosiy operatsiyalariga taqlid
qiladi. SNN biologik neyronlarning ishlashidan ilhomlangan bo'lsa-da, ularning maqsadi biologik
neyronlarning ishlash usulini to'g'ridan-to'g'ri takrorlash emas (bu mutlaqo mumkin emas), balki turli xil
masalalarni yechishda SI algoritmlarini yaratish uchun biologik neyronlarning
ishlashiga imitatsiya
qilishga harakat qiladi.
2. Biologik neyronning tuzilishi va elementlari:
Biologik neyron neyron tizimining asosiy tarkibiy qismidir. Biologik neyronning
soddalashtirilgan tasviri uchta asosiy funktsional birlikni aniq ko'rsatadi:
▪Hujayra tanasi (soma deb ataladi) :Soma - bu hujayra tanasi. U kirish signallarini birlashtiradi va bitta
chiqish hosil qiladi. Soma yadroni o'z ichiga oladi va soma eng ko'p energiya ishlab chiqariladi. Boshqa
hujayralardan farqli o'laroq, neyronlar bo'linmaydi.
▪Dendritlar:Dendritlar retseptor elementidir. Ular boshqa hujayralardan yoki tashqaridan
ma'lumot olishadi; ular elektr signallarini hujayra tanasiga olib boradigan nerv tolalari; o'sish
davrida
dendritlar soni ortadi, keyin ixtisoslashuv ustunlik qiladi.
▪Akson:Akson bu chiqish kanali hisoblanadi. Bu hujayra tanasidan signalni boshqa
hujayralarga o'tkazadigan uzun tola; aksonning oʻlchami oʻz oʻrniga koʻra oʻzgaradi (masalan, bosh
miyada aksonlar qisqa, oyoqlarda esa uzun).
3. Sun’iy neyron to’rlarida faollashtirish funktsiyalar:
Biologik neyronning xatti-harakatlarini juda sodda tarzda imitatsiya qiluvchi
sintetik (sun'iy) neyron g'oyasi birinchi marta 1943 yilda taqdim etilgan. Sun'iy
neyronning ushbu kontseptsiyasida (2-rasm), bir qator kirishlar Xi har birining vazni
Wi bilan ko'paytiriladi. w x i i = ko’paytmasi b faollashtirish uchun neyronning
chegara qiymati bilan taqqoslanadi va shuning uchun neyron faollashtirilgan
yoki faol
faollashtirilmaganli aniqlanadi. Agar u faollashtirilsa, natijada y y f i ( = ( ))chiqadi.
Biologik neyron va sun'iy o'rtasida aniq o'xshashlik mavjud. Biologik neyron Xi
intensivligi va sinaptik quvvati Wi vaznining turli signallarini oladi va b faollashuvi uchun chegara
qiymatiga ega . Sun'iy neyronda tugunlar orasidagi bog'lanishlar akson va dendritlarni taqlid qiladi,
ulanish vaznlari sinapslarni simulyatsiya qiladi va faollashtirish uchun chegara qiymati xuddi shunday
operatsiyaga ega.
4. Sun’iy neyronlar:
Sun’iy neyron har qanday neyron to’rining qurilish bloki hisoblanadi.
Bu kiruvchi
signal, vaznlar (sinaptik vaznlar) va faollashtirish funktsiyasidan (neyronni faollashtirish
modeli) iborat biologic neyronni imitatsiya qiluvchi birlikdir. Ushbu ma’ruzada neyronlarning eng
asosiy turlari (perseptron, sigmasimon neyron va boshqalar) bilan tanishaladi va ularning xususiyatlarini
o'rganaladi.
Sun’iy neyron istalgan maqsadli z o'zgaruvchisini o'rgatish usuli w vaznlar vektorini
shunday sozlashdirki, kerakli z o'zgaruvchisi va y natijasi o'rtasidagi xatolikni o'lchaydigan ma'lum bir
funktsiya minimallashtiriladi.
5. Perseptron modeli:
Perseptron – bu kirishi nol yoki bir, ya'ni xi= {0,1} bo'lgan va
Hevisayd funktsiyasi
bilan berilgan faollashtirish funktsiyasiga ega neyron hisoblanadi. perseptron - bu xi
ma'lumotlari tomonidan taqdim etilgan dalillarni o’lchash orqali qaror qabul qiluvchi
qoida hisoblanadi. b chegara qiymati 1 qiymatli natijasini olish uchun perseptronning
qarori qanchalik oson ekanligini ko'rsatadigan o'lchovdir. Boshqa barcha umumiy
holatlarda, bu chegara qiymati (ing.til bias) deb ataluvchi w0 bilan belgilanadigan
boshqa vazn sifatida qaralalishi mumkin.
6. Sigmasimon neyron:
Perseptron oraliq qiymatlarsiz ikkita qaror holatini, 0 va 1ni ta'minlaydigan
qurilma
sifatida ishlashi ko’rish qiyin emas. Agar neyron (0, 1) oraliqdagi barcha holatlarni
qabul qilsa,yanayam yaxshiroq natijani mumkin; Shunday qilib, 1 ga yaqinroq natijalar
yuzaga kelishi ehtimoli yuqori bo'lgan qarorlarga mos keladi, 0 ga yaqin natijalar esa
yuzaga kelish ehtimoli kichik bo'lgan qarorlarni ifodalaydi. Bunday holda, neyron
chiqishi ma'lum bir vaznli qaror qabul qilish ehtimoli sifatida ishlaydi.
Sigmasimon
neyronlarning har xil turlarini boshqa sigmasimon funktsiyalar tomonidan berilgan
faollashtirish funktsiyalarini hisobga olgan holda olish mumkin, masalan: giperbolik
tangens, arktangens
funksiya, softsign va boshqalar. Ularning orasidagi farq faqat
to'yinganlikning (ing. til saturated) turli tezligi tufayli o'rganish tezligidir. Ammo,
matematik nuqtai nazardan, ularga o'xshash tarzda munosabatda bo'ladi.
7. Logistik regressiya masalasi:
Logistik regressiya bu a statistik model uning asosiy shaklida a foydalanadi logistika funktsiyasi
modellashtirish a ikkilik qaram o'zgaruvchi, ammo bu juda murakkab kengaytmalar mavjud. Yilda
regressiya tahlili, logistik regressiya (yoki logit regressiyasi) taxmin qilish logistik modelning
parametrlari (shakl ikkilik regressiya).