Chuqur mashinali o'qitish(Deep Machine Learing) va neyron tarmoqlar


Semi-Supervised and Active Learning



Yüklə 450,97 Kb.
Pdf görüntüsü
səhifə3/5
tarix09.09.2023
ölçüsü450,97 Kb.
#142257
1   2   3   4   5
chuqur-mashinali-oqitish-deep-machine-learing-va-neyron-tarmoqlar-neural-networks

Semi-Supervised and Active Learning 


[117] 
generativ va diskriminativ ML paradigmalarining oldingi sharhi ko'plab ML 
texnikalarini tashkil qilish uchun yo'qotish va qaror funktsiyalarining atributlaridan 
foydalanadi. Ushbu bo'limda biz turli xil atributlar to'plamidan foydalanamiz, ya'ni 
ularning sinf belgilariga nisbatan o'quv ma'lumotlarining tabiati. O'quv namunalari 
yorlig'i yoki boshqacha tarzda belgilanishiga qarab, biz ko'plab mavjud ML texnikasini 
bir nechta alohida paradigmalarga tasniflashimiz mumkin, ularning aksariyati ASR 
amaliyotida qo'llaniladi. Nazorat ostidagi ta'lim barcha ta'lim namunalari yorliqlangan 
deb taxmin qiladi, nazoratsiz o'rganish esa hech kimni nazarda tutmaydi. Yarim nazorat 
ostida o'qitish, nomidan ko'rinib turibdiki, yorliqli va yorliqsiz o'quv namunalari 
mavjudligini nazarda tutadi. Nazorat ostidagi, nazoratsiz va yarim nazorat ostidagi ta'lim 
odatda passiv ta'lim sozlamasiga taalluqli bo'lib, unda noma'lum ehtimollik taqsimotiga 
ko'ra yorliqli o'quv namunalari tasodifiy hosil qilinadi. Bundan farqli o'laroq, faol 
o'rganish - bu o'quvchi qaysi namunalarni belgilashni oqilona tanlashi mumkin bo'lgan 
sharoitdir, biz ushbu bo'lim oxirida muhokama qilamiz. Ushbu bo'limda biz asosan yarim 
nazorat ostida va faol o'rganish paradigmalariga e'tibor qaratamiz. Buning sababi 
shundaki, nazorat ostida o'rganish juda yaxshi tushuniladi va nazoratsiz o'rganish 
to'g'ridan-to'g'ri kirish natijalarini bashorat qilishni maqsad qilib qo'ymaydi (shuning 
uchun bu maqola e'tiboridan chetda). Biz bu ikki mavzuni qisqacha yoritamiz. 
Supervised Learning 
Supervised Learning - bu sun'iy intellektni (AI) yaratishga yondashuv bo'lib, unda 
kompyuter algoritmi ma'lum bir chiqish uchun etiketlangan kirish ma'lumotlariga 
o'rgatiladi. Model kirish ma'lumotlari va chiqish yorliqlari o'rtasidagi asosiy naqshlar va 
munosabatlarni aniqlay olmaguncha o'qitiladi, bu unga hech qachon ko'rilmagan 
ma'lumotlar taqdim etilganda aniq yorliqlash natijalarini berishga imkon beradi.Nazorat 
ostida o'rganish tasniflash va regressiya muammolarida yaxshi, masalan, yangilik 
maqolasi qaysi toifaga tegishli ekanligini aniqlash yoki kelajakdagi ma'lum bir sana 
uchun sotish hajmini bashorat qilish. Nazorat ostidagi ta'limda maqsad ma'lum bir savol 
kontekstida ma'lumotlarni tushunishdir.

Yüklə 450,97 Kb.

Dostları ilə paylaş:
1   2   3   4   5




Verilənlər bazası müəlliflik hüququ ilə müdafiə olunur ©azkurs.org 2024
rəhbərliyinə müraciət

gir | qeydiyyatdan keç
    Ana səhifə


yükləyin