Muhammad al-xorazmiy nomidagi toshkent axborot texnologiyalari universiteti farg'ona filiali o'quv yili

Neyron tarmoq algoritmlari
Neyronni hal qilish uchun Neron tarmog'i ajratish protsedurasi, to'liq yoki ma'lum bir qismini rasmiy yoki o'zaro neyronlar qatlamlari orasidagi ketma-ketlik yoki to'siqlar bo'lgan ko'p qavatli nohareya tarmog'i deb ataladi. ) og'ir koeffitsientlarning tegishli algoritmi bilan. Neyron tarmoq tarmog'ini rivojlantirish uchun asosda muammoni hal qilish jarayoni muayyan dinamik tizim davrida faoliyat ko'rsatadigan muntazam yondashuvdir. Uni qurish uchun quyidagilarni aniqlash kerak: neyron tarmog'ining kirish signalidir. Nayal tarmog'ining chiqish signallari (masalan, to'g'ridan-to'g'ri echim yoki uning xususiyatlari) sifatida harakat qilish; Neyron tarmog'ining kerakli (majburiy) chiqishi; Neural tarmog'ining tuzilishi (qatlamlar soni, qatlamlar, og'irlik koeffitsientlari kabi xizmat qiladigan ob'ektlar); tizim xatosi funktsiyasi (Neural tarmog'ining kerakli chiqish signalining yaroqsiz chiqishi amaldagi chiqish signasidan og'ishni tavsiflovchi); Xatolikga qarab tizimning sifati va optimallashtirishning funktsional imkoniyatlari uchun mezoni; Og'irlik koeffitsientlarining qiymati (masalan, muammoning nazaridan analitik jihatdan, Neural tarmog'ining og'ir koeffitsientlarini o'rnatish uchun ba'zi raqamli usullar yoki protseduralardan foydalangan holda aniqlanadi).
Qatlamdagi rasmiy neyronlarning soni va turi, shuningdek, neyron qatlamlari soni belgilangan vazifalar va kerakli echim sifatiga qarab tanlanadi. Neyron tarmog'i muayyan muammoni hal qilish jarayonida ko'p o'lchovli bo'lmagan tizim sifatida ko'p o'lchovli bo'lmagan tizim sifatida ko'rib chiqiladi, bu esa ishni hal qilish sifatini aniqlash uchun ba'zi funktsionallarning eng maqbulligini baholaydi. Neyron tarmoqlari uchun ko'p qirrali bo'lmagan nazorat ob'ektlari, og'irlik koeffitsientlarini o'rnatish algoritmlari shakllantiriladi. Neron tarmog'ini o'rganishning asosiy bosqichlari va ularning vazn toifasi (moslashuvi) ni tashkil etishning asosiy bosqichlari quyidagilardan iborat: Neural tarmog'ining turli rejimlari uchun kirish signalining xususiyatlarini o'rganish (Neron tarmog'ining kirish signalidir, Qoida tariqasida, "o'qituvchi men" deb ataladigan "o'qituvchi men" deb ataladigan "men" deb ataladigan "men" o'qituvchisi Optimallashtirish mezonlarini tanlash (tashqi dunyoning probyistik modeli bilan bunday mezonlar o'rtacha xavf funktsiyasini, posteriori ehtimollikning o'rtacha ehtimoliy funktsiyasini minimallashtirishi mumkin, xususan, har bir xavf funktsiyasining alohida qismlarini cheklashlar); Optimentsiya funktsionallarining ekstreum ekstreumini topish uchun algoritmni ishlab chiqish (masalan, mahalliy va global ekstreumlar uchun qidiruv algoritmlarini amalga oshirish); Neural tarmog'ining koeffitsientlarini moslashtirish uchun algoritmlar qurish; Necural tarmog'ini tashxislashning ishonchliligi va usullarini tahlil qilish va boshqalar.
Shuni ta'kidlash kerakki, fikr-mulohazalarni joriy etish 1960-80 yillarda koeffitsientlarini sozlash uchun algoritmlarni rivojlantirish mutlaqo nazariy ma'noga ega edi, chunki bunday tuzilmalarga etarlicha amaliy vazifalar yo'q edi. Faqat 1980 yillarning oxiri - 90-yillarning boshlarida bunday muammolar va ularni hal qilishga qodir bo'lmagan fikrlar bilan ularni hal qilish uchun vositalarni (takrorlanadigan neyron tarmoqlari) hal qilish uchun mos keladigan fikrlar paydo bo'ldi. Nesur tarmoqlar sohasidagi ishlab chiquvchilar nafaqat turli xil vazifalarni hal qilish uchun ko'p bosqichli noharbiylar va Neralitmlarni tashkil etish bo'yicha algoritmlarni yaratish, balki ular (Electronicotexnika texnologiyalarining joriy rivojlanishi bo'yicha) apparat emulyatorlari (maxsus dasturlar boshqa tizimni boshqasining qobig'ida boshlamoqchi) neyron tarmoq algoritmlari. 60-yillarda, mikroprotsessor paydo bo'lishidan oldin, Neron tarmoqlarining eng samarali emulyatorlari umumiy kompyuterlar bo'yicha konfiguratsiya algoritmlari (ba'zan analogli xotiraga ega moslashuvchan elementlar bo'yicha tizimlar). Bunday elektronika rivojlanishining bunday darajasi nexurrlar tarkibidagi o'zaro aloqalarni joriy etish bilan bog'liq edi. Bu muammoni hal qilish sifatini saqlab, neyron tarmog'idagi neyronlar sonining sezilarli darajada pasayishiga olib keldi (masalan, tasvirlarni tanib olish vazifalarini hal qilishda kamsituvchi qobiliyati). 1960-70-yillarning tadqiqotlari, neyron tarmoqlari inshootlarini optimallashtirish sohasidagi tadqiqotlar, o'zaro aloqalar bilan rivojlanishda rivojlanishni topadi memristor Neron tizimlari [Memristor (xotira - xotira - xotira va rezist - elektr qarshiligi), u orqali oqadigan zaryadga qarab, uning qarshiga qarab, bu ko'rsatkichni qayta raqamli ishlov berish nuqtai nazaridan va juda ko'p miqdordagi koeffitsientlar nuqtai nazaridan bo'lgan mikroelektronikadagi passiv element]. Ariza topshiriqlarining o'ziga xos talablari Setup algoritmlaridan foydalanib neyron tarmoqlarining ba'zi xususiyatlari bilan belgilandi: doimiy va doimiy) darslar, tizimning "o'qituvchisi" ko'rsatmalari - bu "o'qituvchi" ko'rsatmalari mavjud bo'lganda ma'lum bir o'zgarish oralig'ida doimiy funktsiya qiymati sifatida shakllangan; So'nggi qatlam neyronini faollashtirishning davom etayotgan funktsiyasini tanlash orqali ishlab chiqarilgan ko'p qavatli nexurr tarmog'ini doimiy ravishda echimlari; Chiqish signalini taqdim etishning xarakterli bo'sh joyida, haqiqiy funktsiyani haqiqiy funktsiya shaklida argumentning ma'lum bir qatorida haqiqiy funktsiyaga o'tkazish uchun xarakteristik bo'shliqda o'tish natijasida hosil bo'lgan funktsiyalar sonining davomiyligi; Natijada belgilar sonining davomiyligi, nexurom tarmog'ining o'ziga xos dasturiy ta'minoti va apparatni amalga oshirishni talab qiladi; Kirish joyining davomiy belgisi variantlari davriy signallarni ishlatmasdan, davriy signallarni tan olish muammosi bo'yicha amalga oshirildi analog raqamli konvertor (ADC) tizimga kirish va raqamli multimalayer Neron tarmog'ini joriy etish; Qatlamda neyronlarning doimiy soni; Sinflar va echimlar bilan ko'p qavatli nexurr tarmoqlarini amalga oshirish, oxirgi qatlam neyronlarining neyronlarini faollashtirish funktsiyalarini tanlash orqali amalga oshiriladi.
Jadvalda "Kirish signallari - bo'shliq" bo'sh joyida ko'p bosqichli necurer tarmoqlarini o'rnatish uchun algoritmlarning variantlarining varianslari turlicha. 1960-70 yillarda Rossiya ilmiy maktabining koeffitsientlarini o'rnatgan algoritmlar taqdim etilishi leteritmentlar keltirilgan. Neyron tarmog'iga kirishda signal "o'qituvchi" ning ko'rsatmalarini aks ettirgan rasmlarning sinflari (sinflari) tomonidan tasvirlangan. Neural tarmog'ining chiqish signali echimlarning miqdoriy tavsifidir. Stolda turli xil kiritish signallari (2-sinflar, $ 2 sinflari) va echimlarni birlashtirish variantlari uchun variantlari (2 ta qarori, $ k_p $ echimlar) variantlari uchun tasnif berilgan. doimiy echimlar). Neyron tarmoqlari ishlashining o'ziga xos xususiyatlari 1, 7, 8 raqamlari.