Intellektual tizimlar haqida umumiy ma’lumot

Xopfild neyron tarmog’i

Faktor tahlili ma'lumotlar strukturasini tekshirish uchun ishlatiladi. Uning asosiy asosi bunday belgilarning mavjudligi haqidagi farazdan iborat - bevosita kuzatish mumkin bo'lmagan, biroq bir nechta kuzatilgan birlamchi belgilar bilan baholanishi mumkin bo'lgan omillar. Masalan, ishlab chiqarish hajmi va asosiy vositalarning tannarxi kabi xususiyatlar ishlab chiqarish ko'lami kabi omilni aniqlashi mumkin. Treningni talab qiladigan neyron tarmoqlardan farqli o'laroq, omil tahlili faqat ma'lum miqdordagi kuzatuvlar bilan ishlashi mumkin. Garchi, qoida tariqasida, bunday kuzatuvlar soni o'zgaruvchilar sonidan faqat bittaga ko'p bo'lishi kerak bo'lsa-da, kamida uch marta foydalanish tavsiya etiladi. Ko'proq ma'nosi. Bu hali ham neyron tarmog'i uchun o'quv namunasi hajmidan kamroq deb hisoblanadi. Shu sababli, statistiklar faktor tahlilining afzalligi, kamroq ma'lumotlardan foydalanish va shuning uchun tezroq model yaratishga olib keladi. Bundan tashqari, bu omil tahlil usullarini amalga oshirish uchun kamroq kuchli hisoblash vositalarini talab qiladi. Faktor tahlilining yana bir afzalligi shundaki, u oq quti usulidir, ya'ni. butunlay ochiq va tushunarli - foydalanuvchi model nima uchun u yoki bu natijani berishini osongina tushunishi mumkin. Faktor tahlilining Xopfild modeli bilan aloqasini vektorlarni esga olish orqali ko'rish mumkin minimal asos kuzatishlar to'plami uchun (xotira tasvirlari - 5-ma'ruzaga qarang). Aynan shu vektorlar xotira vektorlarining turli komponentlarini - birlamchi xususiyatlarni birlashtiruvchi omillarga o'xshashdi.Hozirda keng tarqalgan xatolarning teskari tarqalish algoritmlarida va Xopfild neyron to’rlarida qaror qabul qilish jarayonini tushuntirishga harakatlar qilindi. Bu modellardagi algoritmlarning evristik xarakterda ekanligi qaror qabul qilishda neyron to’rlarining shaffoflik muammosini yechishni yetarli darajada matematik formallashtirishga imkon bermaydi. Natijada, tasvirlarni ajratib olish neyron to’rlari bo’yicha mutaxassisga bog’liq va asosan tavsiya xususiyatiga ega bo’ladi. Ayni paytda, sun’iy neyron to’ri sohasidagi olimlar tomonidan turli xil amaliy masalalarni yechishda neyromodellarni solishtirishga va tanlashga asos bo’ladigan, ko’p qatlamli neyron to’rlarining mantiqiy shaffofligini miqdoriy baholaydigan bir nechta mezonlar va usullar ishlab chiqilgan.
Sunniy neyron to’rlari konfigurasiyalari orasida klassifikasiyalashda o’qitish prinsiplari bo’yicha o’qituvchi yordamida o’rgatish va o’qituvchisiz o’rgatish prinsiplariga to’g’ri kelmaydi. Bunday hollarda og’irlik koeffisiyentlari qayta ishlanayotgan axborotlar yordamida izlab topiladi va barcha o’rgatishlar xuddi shu hisoblashga keltiriladi. Bir tomondan aprior axborotlarni o’qituvchining yordami sifatida qabul qilish kerak, boshqa tomondan tarmoq tasvirlarni haqiqiy ma’luotlar kelguncha xotirada saqlab qoladi. Bunday mantiqiy bog’lanishli tarmoqlar sifatida Xopfild va Ximming to’rlarini yaxshi tanilgan.

121.