Me’yoridan ortiq o‘rganish (haddan tashqari yaqin moslash) – neyron to‘rinining
konkret o‘rganish namunalarga haddan tashqari aniqlikdagi moslashuvi muammosi bo‘lib, uning
natijasida to‘r umumlashtirish qobiliyatini yo‘qotadi. Me’yoridan ortiq o‘rganish juda uzoq vaqt
o‘rganishda, o‘rgatuvchi namunalar soni yetarlicha bo‘lmaganda yoki neyron to‘ri juda ham
murakkab tuzilishga ega bo‘lganida yuzaga keladi.
Barcha SNT umumiy xossalaridan biri signallar bilan parallel ravishda ishlash
xossasi bo‘lib, uni amalga oshirish uchun neyronlar to‘plamini qatlamlarga ajratish
va ma’lum bir usulda turli qatlamlarini, ayrim hollarda bitta qatlamdagi
neyronlarni o‘zaro bog‘lash zarur bo‘ladi.
U yoki bu turdagi masalalarni yechish uchun sun’iy neyron to‘rining zarur va
yetarli xossalarini asoslash neyrokompyuter texnikasini ishlab chiqarishdagi
muhim bosqichlaridan biri hisoblanadi.
Fundamental nazariy ishlanmalar yo‘qligi yechilayotgan masalaga qat’iy
bog‘langan neyron to‘rini sintez qilish imkonini bermaydi. Aksariyat holatlarda
fiksirlangan tuzilmaga (konfiguratsiyaga) ega bo‘lgan neyron to‘ri parametrlari
konkret masala yechimiga mos sozlanadi va optimal variant intuitiv tanlanma
asosida olinadi. Neyronlarning minimal soni va ular o‘rtasidagi bog‘lanishlarni
izlash qo‘yilgan masalani yechish uchun yetarli bo‘lib, minimal konfiguratsiyali
neyron to‘rini qurish jarayonini aniqlab beradi. Bu jarayon, agar qandaydir maxsus
ko‘rsatmalar bo‘lmaganda, mumkin bo‘lgan yechimlar to‘plamidan ularning eng
soddasini afzal bilish kerakligi asoslangan Okkam keskichi g‘oyasiga zid
kelmaydi.
Turli toifadagi alomatlar fazosida neyron to‘rini amalga oshirishning
qiyinchiligi, birinchi navbatda kuchsiz shkalalarda o‘lchanadigan kirish
parametrlarining vaznlarini tanlash bilan bog‘liqdir. Kuchli o‘lcham shkalalaridan
kuchsiz shkalaga o‘tish orqali berilganlarni unifikatsiyalash ishlatiladigan
alomatlar informativligini kamaytiradi, obyektlar tanlanmasini kombinator
ravishda cheklangan holatga olib keladi. Bu o‘rinda aniq bir aprior ma’lumotlar
bo‘lishi va ishlanadigan berilganlarning o‘zlarining xossalari kuchsiz shkalalarni
“boyitishga”, ya’ni kuchsiz shkalalarga tartib va miqdoriy xossalarini berish
imkonini beradi.
Akasariyat hollarda neyron to‘rini o‘rganish jarayoni, oldindan berilgan, fiksirlangan
sondagi neyronlar uchun ularning har birining chegirilgan yig‘indilar vaznlarini ketma-ket
ravishda aniqlashtirish bilan olib boriladi. Minimal sondagi neyronlarga ega neyron to‘rini sintez
qilish jarayoni tavsiya xususiyatiga ega va nazariy ravishda yetarlicha asoslanmagan.
Har bir tadbiqiy soha uchun o‘zining mezonlari mavjud bo‘lib, ularni neyron
to‘rini tuzilmasini tanlashda inobatga olish kerak bo‘ladi. Ko‘p qatlamli sun’iy
neyron to‘rini o‘rganish (moslashuv-chanlik) darajasini (hajmini) hisoblash
formulalari mavjud bo‘lib, ularga ko‘ra ko‘p qatlamli sun’iy neyron to‘rining
o‘rganish sig‘imi bir qatlamli perseptrondan yuqori emas [3].
Funksiyani approksimatsiyalash uchun neyron to‘ri konfiguratsiyasini tanlash.
Sun’iy neyron to‘ri yordamida ko‘p o‘zgaruvchili uzluksiz funksiyani oldindan
berilgan aniqlikda approksimatsiya qilish ko‘pgina tadbiqiy tadqiqotlarda asosiy
masala hisoblanadi.
Bu masalani yechishdagi neyron to‘rini o‘rganish usullari hali mukammalikdan
uzoqda. Xususan, bu holat neyron konfiguratsiyasini tiklanayotgan funksiya
murakkabligiga moslashtirishning qat’iy formal protseduralari yo‘qligida namoyon
bo‘ladi. Odatda konfiguratsiyani tanlash evristik usulda amalga oshiriladi va u
tadqiqotchining intuitsiyasi, hamda tajribasiga bog‘liq bo‘ladi.
Bir qatlamli sun’iy neyron to‘rini tuzilmaviy va algoritmik sintez qilishning
taklif qilinayotgan usul miqdoriy hamda turli toifadagi alomatlar fazosida
tavsiflangan o‘rgatuvchi tanlanmaning etalon-obyektlar bilan minimal qoplamasini
qurishning optimizatsiya masalasini yechishga asoslangan [4].
Masala qo‘yilishi. Funksiyaning jadval qiymatlarining approksi-matsiyasi
qilinuvch qiymatidan maksimal chetlashishi
kattaligi berilganda o‘rgatuvchi
tanlanmaning lokal-optimal qoplamasi qurish masalasi qaraladi.
Obyekt-etalonlar atrofida (lokal sohada) funksiya approksi-matsiyasi radial-
bazis faollashtirish funksiyalari yordamida amalga oshiriladi. Ma’lum
approksimatsiya usullaridan farqli ravishda to‘r-ning tayanch elementlari alomatlar
fazosining lokal sohalari bo‘yicha nisbatan tekis (beriladigan aniqlik ma’nosida)
taqsimlangan.
Yechilayotgan
masala
chegarasida
uzluksiz
funksiya
approksimatsiya-sining aniqligi va o‘rgatuvchi tanlanma hajmiga bog‘liq ravishda
neyron to‘rinining umumlashtirish darajasi haqidagi masala qaraladi.
Nazorat savollari
1. Qoidalar bilan anglash nimasi bilan pretsendent bo‘yicha anglashdan farqlanadi?
2. Anglash alogitmlarining umumlashtirish qobiliyati qanday hisoblanadi?
3. Masalalar poligoni nima uchun ishlatiladi?
4. Sinflarga tegishligini aniqlash masalasi texnik qurilmalar vositasida amalga oshirilishi
mumkinmi?
Dostları ilə paylaş: |