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

Neyron tarmoqlarining xususiyatlari
Shuni ta'kidlash kerakki, neyron tarmoqlari odatdagi so'z tuyg'usida dasturlashni talab qilmaydi. Neyron tarmoqlari uchun nefer tarmoqlarini o'qitish uchun maxsus algoritmlar, masalan, qarshi taqsimlash va teskari taqsimlash kabi qo'llaniladi. Tarmoqni kiritish ma'lumotlarini va mos keladigan mahsulotni belgilab, dasturchi "dastur" dasturi. Nomonlar orasidagi sinapoctik ulanishlar uchun tarmoq koeffitsientlarini avtomatik ravishda sozlaydi. Bilan birga tortish koeffitsientlari dard Neyronlar, tarmoq orqali ma'lumotlarni tarqatish xususiyatini belgilaydi va shu tariqa o'quv jarayonida ishlatiladigan ma'lumotlarga to'g'ri javobni o'rnatdi. To'g'ri javoblarni olish uchun tarmoq o'qishi ko'p vaqt talab qilishi mumkin. Tarmoqni tayyorlash paytida, shuningdek, amaliy apparat va yordamchi imkoniyatlari bo'yicha qancha rasmlarni bilib olish kerakligiga bog'liq dasturiy ta'minot. Biroq, mashg'ulot tugaganidan keyin tarmoq juda yuqori tezlikda javob berishga qodir. Ga binoan arxitektura sun'iy neyron tizimi Boshqa hisoblash tizimidan farq qiladi. Klassik axborot tizimi disketa ma'lumotlarini xotira elementlari bilan ulash qobiliyatini amalga oshiradi. Masalan, odatda axborot tizimi Qo'shni xotira elementlari guruhidagi ma'lum bir ob'ekt to'g'risidagi ma'lumotlarni saqlaydi. Binobarin, kirish va ma'lumotni boshqarish imkoniyati ob'ektning atributlari va yozib olingan xotira kataklarining manzili o'rtasida o'zaro bog'liqlik bilan aloqa o'rnatish orqali erishiladi. Bunday tizimlardan farqli o'laroq, sun'iy neyron tizimlari modellari miyaning faoliyat ko'rsatadigan zamonaviy nazariyalar asosida ishlab chiqilgan, shunga ko'ra, miyaga vazn koeffitsientlari yordamida ma'lumot beradi. Bunday holda, vazn koeffitsientining ma'lum qiymati va saqlangan ma'lumotlarning o'ziga xos elementi o'rtasida to'g'ridan-to'g'ri bog'liqlik mavjud emas. Bu kabi tarqatilgan ma'lumotlar gologrammalarda qo'llaniladigan asorat va tasvirni taqdim etish texnologiyasiga o'xshashdir. Ushbu texnologiyaga ko'ra, gologramma liniyasi diffraktsiya panjara sifatida ishlaydi. Ularning yordami bilan, lazer nurlari o'tib ketganda, saqlangan rasm o'ynatilgan, ammo ma'lumotlar to'g'ridan-to'g'ri izohlanmagan.
 Neron tarmog'i muammoni hal qilish vositasi sifatida. Neyron tarmog'i Bu juda ko'p empirik ma'lumotlar mavjud bo'lganda, muammoni hal qilishning maqbul vositasi sifatida ishlaydi, ammo kerakli tezlik bilan etarlicha aniq echimni ta'minlay oladigan algoritm mavjud emas. Shu nuqtai nazardan, sun'iy neyron tizimining ma'lumotlarini taqdim etish texnologiyasi boshqa tomondan muhim afzalliklarga ega axborot texnologiyalari. Bular afzalliklari Uni quyidagicha shakllantirilishi mumkin:

1. 
   Neural tarmoq xotirai nomuvofiqdir. Neural tarmog'ining alohida qismlarini olib tashlaganda, ma'lumot sifatining faqat pasayishi sodir bo'ladi, ammo to'liq g'oyib bo'lmadi. Buning sababi, ma'lumotlar tarqatilgan shaklda saqlanadi.
   
2. 
   Neral tarmog'idagi axborot sifati asta-sekin tarmoqning ushbu qismiga mutanosib ravishda pasaytirildi. Axborotni halokatli yo'qotish bo'lmaydi.
   
3. 
   Neural tarmog'idagi ma'lumotlar tabiiy ravishda askativ xotira bilan saqlanadi. Assotsiativ xotira bunday xotira deb ataladi, unda qisman taqdim etilgan ma'lumotlarni to'liq tiklash uchun ajratish uchun etarli. Bu askativ xotira o'rtasidagi farq oddiy xotiraMa'lumotlarni olish mos keladigan xotira elementlarining aniq manzilini belgilash orqali amalga oshiriladi.
   
4. 
   Siz saqlangan ma'lumotlarga asoslangan ekpazolatsiyani va interpolatsiyani o'tkazishga imkon bering. Ya'ni, o'rganish sizga muhim xususiyatlar yoki ma'lumotlar ma'lumotlarini qidirish imkoniyatini berishga imkon beradi. Shundan so'ng, tarmoq yangi ma'lumotlarga havola va uni aniqlash imkoniyatiga ega. Masalan, bitta tajriba bilan neyron tarmog'i gipotetik misolda o'qitildi. O'qishni tugatgandan so'ng, tarmoq mashg'ulot o'tkazilmagan savollarga to'g'ri javob berish imkoniyatiga ega bo'ldi.
   
5. 
   Neyron tarmoqlari plastik. Ma'lum bir son neyronlarini olib tashlanganidan keyin ham tarmoqning boshlang'ich darajasiga qaytarilishi mumkin (albatta, agar etarli miqdordagi neyronlar saqlanib qolsa). Bunday xususiyat, shuningdek, individual qismlar shikastlanishi mumkin bo'lgan inson miyasiga xosdir, ammo vaqt o'tishi bilan o'rganish yordamida ko'nikma va bilimlarning asosiy darajasi erishildi.
   

Bunday xususiyatlarga rahmat, sun'iy nefer tizimlar foydalanish uchun juda jozibali bo'ladi robot kosmik kemaNeft sanoatining uskunalari, suv osti qurilmalari, texnologik jarayonlarni boshqarish vositalari va boshqa texnik moslamalar Bu uzoq vaqt davomida noqulay muhitda ta'mirsiz ishlashi kerak. Sun'iy neyron tizimlari nafaqat ishonchlilik muammosini hal qilishga qodir emas, balki ularning plaptilasi tufayli operatsion xarajatlarni kamaytirish imkoniyatini beradi. Biroq, umuman olganda, kompleks matematik hisoblash yoki qidirish uchun arizalarni yaratish uchun sun'iy marhologiya tizimlari unchalik mos emas. eng maqbul echim. Bundan tashqari, sun'iy neyron tizimidan foydalanish bo'lmaydi eng yaxshi variant Agar allaqachon ijobiy natija bergan algoritmik echim bo'lsa amaliy qo'llanma Bunday vazifalarni hal qilish. Shunga o'xshash maqolani
Neyron tarmoqlari Sun'iy, ko'p qatlamli baland parallel (I.Ee., ko'p sonli ishlovchi elementlar bilan, mustaqil ravishda ishlaydigan elementlar) rasmiy neyronlardan tashkil topgan mantiqiy tuzilmalar. Neyron tarmoqlari nazariyasining boshlanishi va neyrokpyuter Amerika nevropiziologlarining ishini amalga oshiring w. Mac Calloka va U. Pitts "asab faoliyati bilan bog'liq g'oyalarni mantiqiy hisoblash" (1943) ular taklif qildilar matematik model Biologik neyron. D. Xabba modeli tomonidan ajratilishi kerak, ular 1949 yilda o'quv qonunini taklif etdilar, bu algoritmlar uchun sun'iy neyron tarmoqlarini o'rganishning boshlang'ich nuqtasi bo'lgan. Neural tarmog'ining yanada rivojlanishida, Amerika neyrofiziyologining monografiyasi, u "inson miyasi tomonidan identifikatsiya jarayonini identifikatsiyalash jarayonini aniqlaydigan neyrododinamika" monografiyasi (neyrodinamika). ). Uning g'oyalari ko'plab mualliflarning ilmiy ishlari bo'yicha ishlab chiqilgan. 1985-86 yillarda Neyron tarmoq nazariyasi Neron tarmoqlarini modernizatsiya qilish va yuqori samarali va yuqori ko'rsatkichlarga asoslanib, "Texnologik impulsiya" ga ega bo'ldi shaxsiy kompyuterlar . Neron tarmog'i nazariyasi 21-asr boshlarida faol rivojlanmoqda. Mutaxassislarning fikriga ko'ra, yaqin kelajakda nexura tarmoqlari va neyrokompyuterlar dizaynida sezilarli texnologik o'sish kutilmoqda. So'nggi yillarda nexurr tarmoqlarining ko'plab yangi xususiyatlari ochilgan va ushbu sohada ish sanoat, fan va texnologiyalarga katta hissa qo'shadi, katta iqtisodiy ahamiyatga ega.