Reja: Sun’iy neyron to‘rlari
Yüklə 0,77 Mb.
|
|
Sunʼiy neyron tórlari va ularning amaliy ahamiyati Reja:
Sun’iy neyron to‘rlari (SNT) – sun’iy neyronlar birlashuvi bilan yuzaga kelgan, biologik nerv to‘rini juda ham soddalashtirilgan ko‘rinishidir. Bu o‘rinda soddalashtirish darajasi neyronlar va ular o‘rtasidagi bog‘lanishlarning beqiyos murakkabligi bilan belgilanadi. Biologik nerv tizimlarida har bir neyron xossalar va funksiyalar to‘plamiga ega bo‘lib, ular ichida miyaning kommunikatsion tizimini tashkil qiluvchi nerv tolalari bo‘yicha elektroximik signallarni qabul qilish, ishlov berish va uzatish funksiyalari noyob hisoblanadi Sun’iy neyron to‘rlari o‘z arxitekturasi bilan ajralib turadi: neyron-lar o‘rtasidagi bog‘lanishlar tuzilmasi, qatlamlar soni, neyronlarni faollashtirish funksiyalari, o‘rganish algoritmlari. Bu nuqtayi nazardan mashhur SNT ichidan statistik, dinamik to‘rlar va fuzzy. tuzilmalar; bir yoki ko‘p qatlamli to‘rlarni ajratib ko‘rsatish mumki To‘rlardagi hisoblash jarayonlarning farqlanishi, qisman neyron-larning o‘zaro bog‘lanish usullaridan kelib chiqadi, shu sababli to‘rlarning quyidagi turlarini ajratishadi – To‘g‘ri tarqalish to‘rlari (feedforward) – Signal to‘r bo‘yicha faqat bitta yo‘nalish o‘tadi: kirishdan chiqishga; – Teskari bog‘lanishli to‘rlari (feedforward / feedback); – Yonlanma bog‘lanishli to‘rlar (laterally connected); – Gibrid to‘rlar. Umuman olganda, bog‘lanishlar tuzilmasi bo‘yicha SNT ikkita singuruhlanishi
Teskari bog‘lanishli. To‘rlarning birinchi sinfida eng mashhur va ko‘p ishlatiladigani sun’iy neyronlari qatlamli joylashgan ko‘p qatlamli to‘rlari hisob-lanadi. Qatlamlar o‘rtasidagi bog‘lanishlar – bir yo‘nalishda va aksariyat hollarda har bir neyron chiqishi keyingi qatlamdagi barcha neyronlarning kirishi bilan bog‘langan bo‘ladi. Bunday to‘rlar “statik to‘rlar” deyiladi, chunki o‘z tuzilmasida teskari bog‘lanishlarga va dinamik elementlarga ega emas, to‘r chiqishi esa faqat kirish sifatida berilgan to‘plamga bog‘liq bo‘ladi, to‘rning oldingi holatlariga bog‘liq emas. Statik to‘rlardan farqli ravishda ikkinchi sinfidagi to‘g‘ri tarqalishli to‘rlarga “dinamik to‘rlar” deyiladi. Ularda teskari bog‘lanishning mavjudligi tufayli har bir vaqt momentidagi holat oldingi holatga bog‘liq bo‘ladi Yechilishida SNT ishlatiladigan masalalarni 4 toifaga bo‘lish mumkin: – anglash va klassifikatsiya (klaster tahlil, masalan, belgili berilganlarni va nutqni anglash, elektrokardiogrammani, qon kataklarini va boshqa berilganlarni sinflarga ajratish; klasterli tahlilda o‘lchov berilganlarini guruhlash va ichki xususiyatlari bilan bir-biriga juda ham o‘xshash bo‘lgan berilganlarni bitta sinf ostilariga (klasterlarga) guruhlash amallari bajariladi); – tasvirlarga ishlov berish: matn, video-, aerofoto suratlar; – identifikatsiya va boshqaruv tizimlari; – signallarni bilan ishlash, xususan, modellashtirish masalalarida funksiya approksimatsiyasi. Topologik nuqtayi nazardan neyron to‘rini o‘lchangan bog‘lanishli yo‘naltirilgan graf ko‘rinishi tasavvur qilish mumkin. Bunda sun’iy neyronlar graf uchlari, sinaptik bog‘lanishlar – graf yoylari bo‘ladi. Sun’iy neyron – biologik neyronning ba’zi funksiyalarini bajaruvchi SNT elementi bo‘lib, uning asosiy vazifasi kirish signallariga bog‘liq holda chiqish signalini shakllantirishdan iborat. Eng keng tarqalgan konfiguratsiyalarda kirish signallari moslashuvchi summatorlar orqali silliqlanadi, keyin summatorning chiqish signali nochiziqli o‘zgartirgichga (faollashtirish funksiyasiga) kiradi va u yerda ham o‘zgartirilib chiqishga uzatiladi. Neyroinformatika – biologik neyron to‘rlar ishlash tamoyili asosida hisoblash tizimlarini tadqiq qiladigan fan yo‘nalishi bo‘lib, oldingi avlod hisoblash qurilmalaridan bunday tizimlarning asosiy farqi: hisoblashda yuqori parallellik; mavjud berilganlarni umumlashtirish qobiliyati; dasturlash o‘rnini o‘rganish bilan almashtirish;shovqinga nisbatan yuqori turg‘unlik Neyronlarning arxitekturaviy farqlanishidan biri – bu har xil faollashtirish funksiyadan foydalanishiga bog‘liqligidir. Neyron to‘rlari arxitekturasiga ko‘ra 2 sinfga ajratish mumkin: to‘g‘ri tarqalgan to‘rlar va rekurrent to‘rlar Neyroto‘rlarni o‘rganish algoritmi – to‘rni talab etilgandek ishlatish maqsadida arxitektura, sinaptik bog‘lanishlar vazni va o‘rgatuvchi tanlanma bo‘yicha neyron ostonalarini sozlash protsedurasidir. O‘rganishning asosiy paradigmalari: “O‘qituvchili o‘rganish” – o‘rgatuvchi tanlanmada kirish-chiqish juftliklari, ya’ni, har bir kirish uchun to‘g‘ri javoblar (to‘rlarning chiqishi) ma’lum bo‘ladi. “Yordam bilan o‘rganish” – to‘g‘ri javoblar ma’lum emas, lekin to‘r chiqishi to‘g‘riligining kritik bahosi ma’lum. “O‘qituvchisiz o‘rganish” – o‘rgatuvchi tanlanma sifatida faqat kirish qiymatlaridan foydalaniladi. “Aralash o‘rganish” – bir qism vaznlar “o‘qituvchili o‘rganish” orqali, qolgan o‘z-o‘zini o‘rganish bilan topiladi Neyroto‘rni o‘rgatuvchi genetik algoritm – bu neyroto‘rni optimal arxitekturasini evolutsion yo‘l bilan topuvchi algoritmdir. Bir nechta to‘rlar tasodifiy arxitektura bilan yaratiladi va har bir to‘r genetik kodning xromosomasi sifatida qaraladi. Xromosomalar ustida chatishtirish (crossover), urchitish, mutatsiya amallari bo‘lishi mumkin. Moslashish (fitness) funksiyasini hisoblashda berilgan qadamdagi eng optimal to‘rlar arxitekturasi tanlanadi. Umumlashtirish – neyron to‘rining kirish signallarini o‘rganish-dagiga nisbatan chetlashishlarning qandaydir darajasigacha ta’sirchan bo‘lmasdan qolish qobiliyati. Masalan, obrazlarni anglash masalarida neyron to‘ri shovqinli va buzilgan obrazlarni anglash va tiklash imkonini beradi. Me’yoridan ortiq o‘rganish (haddan tashqari yaqin moslash) – neyron to‘rinining konkret o‘rganish namunalarga haddan tashqari aniqlikdagi moslashuvi muammosi bo‘lib, uning natijasida to‘r umumlashtirish qobiliyatini yo‘qotadi. Me’yoridan ortiq o‘rganish juda uzoq vaqt o‘rganishda, o‘rgatuvchi namunalar soni yetarlicha bo‘lmaganda yoki neyron to‘ri juda ham murakkab tuzilishga ega bo‘lganida yuzaga keladi. Barcha SNT umumiy xossalaridan biri signallar bilan parallel ravishda ishlash xossasi bo‘lib, uni amalga oshirish uchun neyronlar to‘plamini qatlamlarga ajratish va ma’lum bir usulda turli qatlamlarini, ayrim hollarda bitta qatlamdagi neyronlarni o‘zaro bog‘lash zarur bo‘ladi. U yoki bu turdagi masalalarni yechish uchun sun’iy neyron to‘rining zarur va yetarli xossalarini asoslash neyrokompyuter texnikasini ishlab chiqarishdagi muhim bosqichlaridan biri hisoblanadi. Hulosa Biologik nerv tizimlarida har bir neyron xossalar va funksiyalar to‘plamiga egadir To‘rlardagi hisoblash jarayonlarning farqlanishi, qisman neyron-larning o‘zaro bog‘lanish usullaridan kelib chiqadi, shu sababli to‘rlarning quyidagi turlarini ajratishadi. Eng keng tarqalgan konfiguratsiyalarda kirish signallari moslashuvchi summatorlar orqali silliqlanadi, keyin summatorning chiqish signali nochiziqli o‘zgartirgichga (faollashtirish funksiyasiga) kiradi va u yerda ham o‘zgartirilib chiqishga uzatiladi. O‘qituvchisiz o‘rganish” – o‘rgatuvchi tanlanma sifatida faqat kirish qiymatlaridan foydalaniladi. “Aralash o‘rganish” – bir qism vaznlar “o‘qituvchili o‘rganish” orqali, qolgan o‘z-o‘zini o‘rganish bilan topiladi. Umumlashtirish – neyron to‘rining kirish signallarini o‘rganish-dagiga nisbatan chetlashishlarning qandaydir darajasigacha ta’sirchan bo‘lmasdan qolish qobiliyati Foydalanilgan adabiyotlar Mizutani, E.; Dreyfus, S.E.; Nishio, K. (2000). "Kelli-Brayson optimal nazorat gradient formulasidan MLP orqaga tarqalishini olish va uni qo'llash to'g'risida". Neyron tarmoqlar bo'yicha IEEE-INNS-ENNS xalqaro qo'shma konferentsiyasi materiallari. IJCNN 2000. Neyron hisoblash: Yangi Mingyillik uchun yangi muammolar va istiqbollar. IEEE. 167–172 jild.2-garov. doi: 10.1109/ijcnn.2000.857892. ISBN 0-7695-0619-4. ↑ Kelli, Genri J. (1960). Optimal parvoz yo'llarining gradient nazariyasi. ARS jurnali. 30-jild, № 10. 947–954-bet. doi: 10.2514/8.5282. ↑ "Garvard universiteti ma'ruzalari. Raqamli kompyuterlar va ularning ilovalari bo'yicha simpozium". 1961 yil aprel. ↑ Minskiy, Marvin. Perseptronlar: Hisoblash geometriyasiga kirish. MIT Press, 1969. ISBN 978-0-262-63022-1. ↑ Linnainmaa, Seppo (1976). "To'plangan yaxlitlash xatosining Teylor kengayishi". BIT raqamli matematika. 16-jild, № 2. 146–160-bet. doi: 10.1007/bf01931367. ↑ Dreyfus, Styuart (1973). “Vaqtning kechikishi bilan optimal boshqaruv muammolarini hisoblash yechimi”. Avtomatik boshqarish bo'yicha IEEE operatsiyalari. 18-jild, № 4. 383–385-bet. doi: 10.1109/tac.1973.1100330. ↑ Verbos, Pol “Chiziqsiz sezuvchanlik tahlilidagi yutuqlarni qoʻllash”,. Tizimni modellashtirish va optimallashtirish. Springer, 1982 - 762–770 garov. ↑ Mead, Carver A. Neyron tizimlarning VLSI analogini amalga oshirish, Muhandislik va kompyuter fanlari boʻyicha Kluver xalqaro seriyasi. Norvell, MA: Kluwer Academic Publishers, 8-may 1989-yil. DOI: 10.1007/978-1-4613-1639-8. ISBN 978-1-4613-1639-8. ↑ David E. Rumelhart, Jeffrey E. Xinton va Ronald J. Uilyams, "Orqaga tarqalish xatolar orqali o'rganish tasvirlari , " Natureʼ, 323, 533-536-betlar, 1986 yil. ↑ Qian, Ning va Terrens J. Sejnovski. "Neyron tarmoq modellari yordamida globulyar oqsillarning ikkilamchi tuzilishini bashorat qilish." Molekulyar biologiya jurnali 202, №. 4 (1988): 865-884. ↑ Bor, Xenrik, Yakob Bor, Soren Brunak, Rodni MJ Kotterill, Benni Lautrup, Leif Norskov, Ole X. Olsen va Steffen B. Petersen. "Oqsilning ikkilamchi tuzilishi va neyron tarmoqlari bo'yicha homologiyasi Rodopsindagi a-spirallar." FEBS harflari 241, (1988): 223-228 ↑ Rost, Burkhard va Kris Sander. "Oqsilning ikkilamchi tuzilishini 70% dan yuqori aniqlikda bashorat qilish." Molekulyar biologiya jurnali 232, Yüklə 0,77 Mb. Dostları ilə paylaş:
|