2. Neyron tarmoqlarni o'qitish turlari Neyron tarmoqlarni o'qitish uchun apparat platformalari

2. Neyron tarmoqlarni o'qitish turlari Neyron tarmoqlarni o'qitish uchun apparat platformalari

Neyron tarmoqlarini o’qitish


Reja :

1. 
   
   Neyron tarmoq qanday ishlaydi?
   

2. Neyron tarmoqlarni o'qitish turlari
3. Neyron tarmoqlarni o'qitish uchun apparat platformalari
4. Neyron tarmoqlarni o'rgatish uchun bulutli platformalar


Neyron tarmoq - bu inson miyasi kabi harakat qilish uchun mo'ljallangan tizim. Bu juda oddiy, ammo kundalik hayotimizda keng tarqalgan. Murakkab ta'rif shundan iboratki, neyron tarmoq tarmoq arxitekturasiga ega bo'lgan hisoblash modelidir. Ushbu arxitektura sun'iy neyronlardan iborat. Ushbu tuzilma muayyan vazifalarni bajarish uchun uni o'zgartirishi mumkin bo'lgan o'ziga xos parametrlarga ega.
Neyron tarmoqlar, shuningdek, sun'iy neyron tarmoqlari (ANN) yoki simulyatsiya qilingan neyron tarmoqlari (SNN) sifatida ham tanilgan. Ushbu rivojlanayotgan texnologiya mashinani o'rganishning bir qismi, sun'iy intellektning bir qismidir. Ushbu texnologiyaning nomi uning inson miyasiga o'xshashligi va bizda mavjud bo'lgan biologik neyron signallarini taqlid qilishga urinishiga asoslanadi. Ular keng qamrovli xususiyatlarga ega. Bu shuni anglatadiki, ular funktsiyani o'lchamidan qat'i nazar, har qanday aniqlik darajasiga yaqinlashtirishlari mumkin. Neyron tarmoqlari an'anaviy kompyuterlar unchalik yaxshi ishlamaydigan sohalarda keng ko'lamli ilovalarni topadi. Siri'dan Google Mapsgacha neyron tarmoqlar sun'iy intellekt qo'llaniladigan barcha joylarda mavjud.
Ular sun'iy intellekt operatsiyalarining muhim qismidir. Neyron tarmoqlar inson miyasidan ilhom oladi va shuning uchun ularning tuzilishi ham xuddi shunday.
Neyron tarmoq qanday ishlaydi?
Neyron tarmoq juda ko'p qatlamlardan iborat. Har bir qatlam o'ziga xos funktsiyani bajaradi va tarmoq qanchalik murakkab bo'lsa, qatlamlar shunchalik ko'p bo'ladi. Shuning uchun neyron tarmoq ko'p qatlamli perseptron deb ham ataladi.

Neyron tarmoqlarning qanday ishlashi jarayoniga to'liq kirishdan oldin , uning qismlari bilan tanishishingiz kerak. Neyron tarmog'ining eng sof shakli, shuningdek, tugun qatlami sifatida ham tanilgan, uchta qatlamga ega:

1. Kirish qatlami
2. Yashirin qatlam
3. Chiqish qatlami
Nomlardan ko'rinib turibdiki, bu qatlamlarning har biri o'ziga xos maqsadga ega. Bu qatlamlar tugunlardan tashkil topgan. Talablarga ko'ra neyron tarmoqda bir nechta yashirin qatlamlar bo'lishi mumkin. Kirish qatlami kirish signallarini qabul qiladi va ularni keyingi qatlamga o'tkazadi. U tashqi dunyodan ma'lumotlarni to'playdi. Agar siz chiziqli regressiya modeli bilan tanish bo'lsangiz, unda neyron tarmoq qanday ishlashini tushunish osonroq bo'ladi, chunki har bir alohida tugunni noyob chiziqli regressiya modeli bilan taqqoslash mumkin.
Yashirin qatlam barcha hisoblash vazifalarini bajaradi. Tarmoq hatto nol yashirin qatlamlarga ega bo'lishi mumkin. Biroq, neyron tarmoq kamida bitta yashirin qatlamga ega. Chiqish qatlami yashirin qatlamni hisoblashning yakuniy natijasini uzatadi.
Mashinani o'rganishning boshqa ilovalari singari , siz neyron tarmoqni ma'lum bir muammo bilan ta'minlashdan oldin ba'zi o'quv ma'lumotlari bilan o'qitishingiz kerak bo'ladi. Ammo neyron tarmoq muammoni qanday hal qilishini chuqurroq o'rganishdan oldin, avvalo perseptron qatlamlarining ishlashi haqida bilishingiz kerak:
Neyron tarmoqlar sun'iy intellekt yordamida chuqur o'rganishni ifodalaydi . Ba'zi dastur stsenariylari juda og'ir yoki an'anaviy mashinani o'rganish algoritmlari bilan ishlash imkoniyatidan tashqarida. Ma'lumki, Neyron tarmog'i bunday stsenariylarda ishlaydi va bo'shliqni to'ldiradi. Shuningdek, neyron tarmoqlar va chuqur o'rganish kurslariga yoziling va bugun o'z mahoratingizni oshiring.
Sun'iy neyron tarmoqlari inson tanasidagi biologik neyronlardan ilhomlangan bo'lib, ular ma'lum sharoitlarda faollashadi, bu esa javoban tananing tegishli harakatiga olib keladi. Sun'iy neyron tarmoqlari o'zaro bog'langan sun'iy neyronlarning turli qatlamlaridan iborat bo'lib, ularni yoqish/o'chirishga yordam beradigan faollashtirish funktsiyalari bilan ishlaydi. An'anaviy mashina algoritmlari singari , bu erda ham neyron tarmoqlar o'quv bosqichida o'rganadigan ma'lum qadriyatlar mavjud.
Qisqacha aytganda, har bir neyron kirishlar va tasodifiy og'irliklarning ko'paytirilgan versiyasini oladi, keyinchalik ular statik moyillik qiymati bilan qo'shiladi (har bir neyron qatlami uchun noyob); Bu keyinchalik neyrondan berilishi kerak bo'lgan yakuniy qiymatni hal qiluvchi tegishli faollashtirish funktsiyasiga o'tkaziladi. Kirish qiymatlarining tabiatiga ko'ra turli xil faollashtirish funktsiyalari mavjud. Yakuniy neyron tarmoq qatlamidan chiqish hosil bo'lgandan so'ng, yo'qotish funktsiyasi (kirish va chiqish) hisoblab chiqiladi va yo'qotish minimal bo'lishi uchun og'irliklar sozlangan joyda orqaga tarqalish amalga oshiriladi. Og'irliklarning optimal qiymatlarini topish - bu umumiy operatsiya nimaga qaratilgan . Yaxshiroq tushunish uchun quyidagiga qarang -
Og'irliklar - bu kirishlar bilan ko'paytiriladigan raqamli qiymatlar. Orqa tarqalishda ular yo'qotishni kamaytirish uchun o'zgartiriladi. Oddiy so'z bilan aytganda, og'irliklar Neyron tarmoqlaridan mashina tomonidan o'rganilgan qiymatlardir. Ular bashorat qilingan natijalar va o'quv kirishlari o'rtasidagi farqga qarab o'zini o'zi sozlaydi.

Faollashtirish funksiyasi neyronni yoqish/o‘chirishga yordam beradigan matematik formuladir.

• Kirish qatlami kirish vektorining o'lchamlarini ifodalaydi.

  
  

• Yashirin qatlam kirish maydonini (yumshoq) chegaralari bo'lgan hududlarga ajratadigan vositachi tugunlarni ifodalaydi. U vaznli kirishlar to'plamini oladi va faollashtirish funktsiyasi orqali chiqishni ishlab chiqaradi.

  
  

• Chiqish qatlami neyron tarmoqning chiqishini ifodalaydi.