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

Neron tarmoqlarini o'qitish
Ko'rinib turibdiki, neyron tarmog'ining ishlashi aniq, I.E., ijro etish qobiliyatiga ega bo'lgan harakatlar sinoptik aloqalarning kattaligiga bog'liq. Shuning uchun, ma'lum bir vazifaga javob beradigan neyron tarmog'ining tuzilishini belgilab, ishlab chiqaruvchi barcha vazn koeffitsientlari uchun eng maqbul qiymatlarni W $ W $ uchun topishi kerak. Ushbu bosqich neyron tarmog'ini o'qitish deb ataladi va uni sifat jihatidan tugatish, tarmoqning ishlashi paytida tarmoqning o'zi qaror qabul qilish qobiliyati. Eng muhim o'quv parametrlari: vazn koeffitsientlarini tanlash sifati va o'qitilishi kutish kerak bo'lgan vaqt. Qoida tariqasida, ushbu parametrlarning ikkitasi teskari bog'liqlik bilan bog'liq va ular murosaga asoslanib tanlanishi kerak. Hozirgi vaqtda NEKART tarmoqlarini o'qitishning barcha algoritmlarini ikkita katta sinfga bo'lish mumkin: "O'qituvchi bilan" va "o'qituvchisiz".
Sinflarning prii ehtimoli
Amaliyot signallarini taqsimlash funktsiyalari to'g'risida barcha foydali ma'lumotlarning barcha etishmasligi bilan ba'zi foydali ma'lumotlar muammoni hal qilishga olib kelishi mumkin. Bu birinchi navbatda darslarning paydo bo'lishining eng ehtimoliy xususiyatlariga bog'liq. Algoritmlar ko'p bosqichli noharbiy tarmoqlarni tashkil etish uchun ishlab chiqilgan bo'lib, darslarning pristramasining perialistlarning amaldagi ehtimolliklari bo'yicha mavjud ma'lumotlarni hisobga olgan holda ishlab chiqilgan. Bu ishda harflar uchun harflarni tanigan holda bunday vazifalarda amalga oshiriladi bu tildan Har bir harfning paydo bo'lishi ehtimoli ma'lum va bu ma'lumotlar Multiber Neural tarmog'ining koeffitsientlarini o'rnatish uchun algoritmni qurish paytida ishlatilishi kerak.
MA'LUMOTLAR "O'qituvchilar"
Neural tarmog'i kirish va chiqish parametrlarining qiymatlari yaratilgan va u ba'zi ichki algoritm tomonidan sinaptik aloqalarning og'irliklarini tartibga soladi. "O'qituvchi bilan" trening shuni ko'rsatadiki, har bir kirish vektori uchun kerakli ishlab chiqarishning maqsadli vektor mavjud. Umuman olganda, "o'qituvchi" ning malakasi turli xil rasmlar uchun turli xil bo'lishi mumkin. Birgalikda ular chaqiriladi vakil yoki o'qishni tanlashth. Odatda neyron tarmog'i bunday namunalarning ba'zi bir qatorida o'qitiladi. Chiqarish vektori taqdim etiladi, nexurom tarmog'ining chiqishi tegishli maqsad vektoriga nisbatan hisoblanadi, farq (xato) yordamida hisoblangan fikr-mulohaza U neyron tarmog'ida xizmat qilinadi va xatolikni minimallashtirishga intilgan algoritmga muvofiq og'irlik o'zgaradi. Ta'lim to'plamlari birlashtirilgan vektorlar, xatolar va og'irliklar har bir vektorning butun mashg'ulot massivida xatoga yo'l qo'yilgunga qadar hisoblab chiqiladi.
Rasmlarni tan olish vazifalarida, qoida tariqasida, sukut bo'yicha "o'qituvchi" ning malakasi tugadi, I.E. Tasvirlarning "o'qituvchisi" ga bir yoki boshqa sinfga to'g'ri bog'liqlik ehtimoli bitta. Amalda, bilvosita o'lchovlar mavjud bo'lsa, bu ko'pincha tibbiy diagnostika vazifalarida, masalan, tibbiyot ma'lumotlari arxivi, masalan, ushbu ma'lumotlarni bitta yoki boshqa kasallikka kiritish ehtimoli to'g'ri emas biriga teng emas. "O'qituvchi" malaka kontseptsiyasining joriy etilishi o'quv rejimlari uchun "O'qituvchi bilan" ni o'rganish, "O'qituvchi bilan" ni o'rganish va o'z-o'zini o'rganish (klasterlash) ni o'rganish uchun yagona algoritmlarni ishlab chiqishga imkon berdi. K $ yoki ikkita klass malakalari (o'qituvchilar) bo'lgan taqdirda (o'qituvchilar) bitta yoki boshqa sinfga rasmlarni tayinlash ehtimoli $ \\ FRAC (1) yoki 1/2. "O'qituvchi" ning rasmlar tizimida malaka oshirish kontseptsiyasini joriy etish, xabar berilmagan (turli darajalar bilan) bo'lgan rasmlarni bir yoki boshqa sinfga tasvirlab berish uchun tizimning "xochlar" rejimini nazarda tutgan . Multiber Neural tarmog'ining koeffitsientlari hali amaliy qo'llanma topilmagan.
Klaster
Klasterizatsiya (mustaqil o'qitish, o'qituvchilik, o'qitish »Multayer Neron tarmoqlarining shaxsiy usuli hisoblanadi, agar tizim ma'lum bir sinfga namunalarga tegishli bo'lgan ma'lumot to'g'risida ma'lumot bermasa. Neyron tarmog'i faqat kiritish signallari va tarmoq mahsulotlari ulardan faqat kiritish va ulardagi lotinlarni hisobga olgan holda, tarmoq chiqishlari mustaqil ravishda shakllantiriladi. "O'qituvchi bilan" o'rganish ko'plab yutuqlarga qaramay, biologik noxushlik uchun tanqid qilindi. Tabiiy sharoitda o'quv mexanizmini tasavvur qilish qiyin inson intellektosiBu xohlagan va haqiqiy chiqish qiymatlarini, fikr-mulohaza bilan tuzatishni amalga oshiradigan haqiqiy qiymatlarni taqqoslaydi. Agar siz inson miyasida shunga o'xshash mexanizmga ruxsat bersangiz, unda kerakli chiqishlar qayerdan keladi? "O'qitmasdansiz" o'rganish biologik tizimda ko'proq mos keladigan ta'lim modelidir. Unda chiqish vektori kerak emas va shuning uchun oldindan belgilangan mukammal javoblar bilan taqqoslashni talab qilmaydi. O'rtacha belgi faqat kirpt faqat kiruvchi vektorlardan iborat. O'quv algoritmi nexuritmning og'irligini rostlaydi, shunda kelishilgan mahsulotning og'irligini, ya'ni kelishilgan mahsulotni olib tashladi, shunda etarlicha yaqin kirish vektorlarining tarifi bir xil chiqindilarni berdi. Shunday qilib, o'quv jarayoni o'quv to'plamini va shunga o'xshash vektorlarning guruhlarining statistik xususiyatlarini ajratib turadi. Ushbu sinfdan vektorli mahsulotning taqdimoti ma'lum bir chiqish vektorini beradi, ammo ushbu mashg'ulotning ushbu sinfi tomonidan ishlab chiqarishni oldindan aytib bo'lmaydi. Binobarin, bunday tarmoqning chiqishlari o'quv jarayoni tufayli ba'zi tushunarli shaklga aylantirilishi kerak. Bu jiddiy muammo emas. Tarmoq tomonidan o'rnatilgan kirish va chiqish o'rtasidagi bog'liqlikni aniqlash qiyin emas.
Ko'plab ilmiy ishlarga klasterizatsiya. Klasteringning asosiy vazifasi ko'p o'lchovli funktsiyalarda kompakt-sub'ektlarni chiqarishi bilan ko'p o'lchovli xususiyatlarga ega (bir-biriga yaqin joyda), ularning miqdori va xususiyatlari. Eng keng tarqalgan klasterlash usuli - bu teskari targ'ibot usullari bilan deyarli bog'liq emas va ko'p bosqichli noharbiy tarmoq turining arxitekturasi bilan umumlashtirilmagan "$ keti -me-yil" usulidir.
"O'qituvchi" ning malakasini oshirish va 1960 yillarda o'rganish va mustaqil ravishda murojaat qilishning yagona yondashuvi, aslida tuzilmalarning keng klassidagi multi qatlamli noharbiy tarmoqlarida plasterlash rejimini amalga oshirish uchun asos yaratishga imkon berdi.