|
SÜNİ NEYRON ŞƏBƏKƏLƏRİ.
Süni neyron şəbəkələri (SNŞ) əsasında fəaliyyət göstərən intellektual sistemlər obrazların tanınıması, proqnozların yerinə yetiriliməsi, optimallaşdırma və idarəetmə kimi problemləri müvəfəqiyyətlə həll edirlər. SNŞ öz inkişaf dövrü ərzində 3 mərhələdən – perioddan keçmişlər. Bu mərhələlərin birincisi 40-cı illərə təsadüf edir. Bu dövrdə bu sahədə Mak Kollak və Pittsin işlərini qeyd etmək olar. İkinci mərhələ 60-cı illərə təsadüf edir. Bu dövrdə ilk növbədə Rozenblatın perseptronun yığılması nəzəriyyəsini və Minsk və Peypart tərəfindən irəli sürülmüş sadə perseptronun məhdud imkanları nəzəriyyəsini göstərmək olar. Üçüncü mərhələ 80-ci illərə təsadüf edir. Bu mərhələnin xüsusiyyəti süni intellekt şəbəkələrinə energetik nöqteyi nəzərdən yanaşmadır. Bu sahədə Xopfildin şəbəkələrini qeyd etmək olar. Konkret olaraq Xopfild ilk dəfə olaraq çoxtəbəqəli perseptronun öyrədilməsi üçün əks səpələnmə alqoritmini təklif etmişdir. Bu problemlə eyni zamanda Verbas da məşğul olmuşdur.
SÜNİ NEYRON ŞƏBƏKƏLƏRİNDƏ
HƏLL EDİLƏN PROBBLEMLƏR.
SNŞ-də əsasən aşağıdakı problemlər həll edilir.
Obrazların təsnifatı.
Klasterizasiya (kateqoriyalaşma)
Funksiyaların aproksimasiyası.
Proqnozlar barəsində mülahizələrin verilməsi.
Optimallaşdırma.
Məzmununa görə ünvanlaşdırılan yaddaş.
İdarəetmə.
Obrazların təsnifatında vektor əlaməti ilə təqdim olunmuş giriş obrazının ( misal üçün səs siqnalı və ya simvolun əl yazması) əvvlcədən müəyyən olunmuş bir və ya bir neçə sinifə məxsus olduğunun göstərilməsidir. Buraya hərflərin tanınması, nitqin tanınması, elektrokardioqramma siqnallarının təsnifatı, qanıın tərkibinin təsnifatı və s. daxil etmək olar.
Klasterizasiya eyni zamanda “müəllimsiz” obrazların təsnifatı kimi də başa düşülür. Bu məsələlərin həlli zamanı siniflər göstərilməklə öyrədici seçimlərin olmaması nəzərdə tutulur. Klasterizasiyanın alqoritmi obrazların oxşarlığına əsaslanır və yaxın obrazları bir klasterdə yerləşdirir.
Dostları ilə paylaş: |
