Süni İntellektin inkişaf mərhələləri



Yüklə 1,23 Mb.
səhifə23/27
tarix30.12.2021
ölçüsü1,23 Mb.
#49292
1   ...   19   20   21   22   23   24   25   26   27
suni intelekt

(atam əlaqəli, b–ardıcıl əlaqəli çoxlaylı şəbəkə, v – zəif əlaqəli şəbəkə)
Neyronların və layların sayının seçilməsində ciddi təyin olunmuş prosedur yoxdur. Şəbəkədə neyronların və layların sayı nə qədər çox olsa, onun imkanları daha çox olur, zəif təlimlənir və zəif işləyir. Neyronların və layların sayı aşağıdakılarla əlaqədardır:

  1. Məsələnin mürəkkəbliyi ilə;

  2. Təlimlənən verilənlərin sayı ilə;

  3. Şəbəkənin tələb olunan giriş və çıxışlarının sayı ilə;

  4. Mövcud resurslarla:şəbəkəni modelləşdirən yaddaş və maşının yüksək hərəkətliliyi ilə;

Əgər neyronların və ya layların sayı çox azdırsa, onda

-şəbəkə təlimlənmir və xəta böyük olur;

-şəbəkənin çıxışında güclü titrəyiş aproksimasiyaedici y(x) funksiyası olmayacaq;

Tələb olunan neyron sayından artıq neyronlar şəbəkənin işinə mane olur.

Əgər neyronların və layların sayı həddindən artıq çoxdursa:


  1. Yüksək hərəkətlilik aşağı olacaq, böyük yaddaş tələb olunur;

  2. Şəbəkə yenidən təlimlənir: çıxış vektorunda səhv verilənlər olur;

  3. Çıxışın girişdən asılılığı kəskin qeyri xətti olur: giriş vektorunun kiçik dəyişməsi çıxış vektorunun əhəmiyyətli və ağlasığmaz dərəcədə dəyişir;

  4. Şəbəkə həll olunan məsələyə adekvat olmayacaq;

Şəbəkənin girişinə daxil edilən verilənlər düzgün hazırlanmalıdır. Bunun üçün müxtəlif üsullardan istifadə olunur:

  1. Miqyaslama

  2. Qeyri xətti çevirmə

ən geniş yayılmış üsüllardan biri- miqyaslamadır. ()c ′ =− xxm

Burada, x-ilkin verilən, x-miqyaslanan vektordur. m- giriş verilənlərin cəminin orta qiymətidir.c- miqyaslama əmsalıdır. Miqyaslama verilənləri mümkün diapozona gətirmək üçün vacibdir. Miqyaslamanın aparılmaması bir çox problemlərin yaranmasına gətirir.

qeyri xətti çevirməyə dolların kursunun bir gün əvvəlki kursu bilməklə sonrakı günün kursunun proqnozlaşdırılması məsələsini misal göstərmək olar.

2.Rekurent və qeyri rekurent şəbəkələr.Qarşılıqlı paylanan neyron şəbəkələr

Rekurent şəbəkələr o zaman dayanıqı hesab olunur ki, çəki matrisası W=Wij simmetrik olsun və diaqonal elementləri 0-a bərabər olsun.



  1. Wij=Wji bütün i≠j

  2. Wii=0 bütün i-lər üçün

5.Özütəşkilolunan Koxonen neyron şəbəkənin tədqiqi.

Koxonen şəbəkəsi –nəzarətsiz təlimləmədən istifadə edən şəbəkələrdəndir. Bu təlimləmədə təlimləyici çoxluq yalnız giriş dəyişənlərinin qiymətlərindən ibarət olur, təlimləmə prosesi zamanı neyronların çıxışları etalon qiymətlərlə müqayisə olunmur. Demək olar ki, şəbəkə verilənlərin strukturunu öyrənmyə çalışır.

Koxonen şəbəkəsinin ideyası fin alimi Toyvo Koxonenə aiddir.(1982). Şəbəkənin əsas iş prinsipi- neyronun yerləşdirilməsi haqda informasiyanı onun təlimləmə qaydasına daxil etməkdir. Koxonen şəbəkəsinin ideyası insan beyninin xüsusiyyətlərinə analojidir.

Koxonen şəbəkəsi (özütəşkilolunan kart) özütəşkilolunan şəbəkələrə aiddir, belə ki, giriş siqnalı daxil olarkən müəllilmlə təlimləmədən istifadə edən şəbəkələrdən fərqli olaraq, arzuolunan çıxış siqnalı haqda informasiya almır.

Bununla əlaqədar olaraq, süni neyron şəbəkənin real və tələb olunan razılaşdırılmış çıxış siqnalına əsaslanaraq sazlanmasını təşkil etmək mümkün deyil. Təlimlənə zamanı təlimlənmiş çoxluqdan özütəşkilolunan şəbəkəyə təqdim edilmiş bütün giriş siqnalları siniflərə ayrılır və topoloji kart əmələ gətirir.Buna Koxonen kartı deyilir.(Koxonen kartı- Self-Organizing Maps, SOM)

Neyron səbəkələrin əsas xassələrindən biri səbəkələrdə iformasiyanın paralel emalıdır. Neyronların hər biri basqa elementlərin hər hansı qrupu ilə paralel olaraq isləyən ayrıca hesablama qurgusudur. Hər bir neyron səbəkənin çıxıs siqnalları vektorunun formalasdırılmasında öz hesablama payı ilə istirak edir. Buna görə də paralel aparatlarda onların realizə olunması neyron hesablamaların yüksək sürətini müəyyənləsdirir.

Paralellik prinspindən neyron səbklərində_ informasiyanın paylanmıs təsviri

irəli çıxır. _Əgər kiməsə_ “Bir _əlin barmaqları il_ neçə_ _ədədi göstərmək olar?” sualını versək, onda yəqin ki, o, “bes” deyə_ cavab verəcəkdir.

Neyrosəbəkənin işi nəticəsində alınan çıxıs vektoru səbəkə elementlərinin

vəziyyətini xarakterizə edir. Onun mənası bu vektorun qiymətinə malik olmaqla,

həll edilən problemdən asılı olaraq müəyyən edilir.

Neyrokompüterdə məsələnin həlli onun adi EHM-də həllində n prinsipcə

Fərqlənir. Adi EHM-də məsələnin həlli hazırlanmıs proqrama uygun olaraq masına daxil edilən məlumatların işlənməsi yolu ilə həyata keçirilir.

Alqoritmlər və proqramlar insanlar tərəfindən işlənib hazırlanıb, lakin kompüter yalnız toplama, çıxma, vurma, bölmə, məntiqi sərtlərin yoxlanması və_ s. Bu kimi çoxsaylı elementar _əməliyyatların yerinə yetirilməsi üçün istifadə olunur.

Neyrokompüter isə bu və ya digər sinifdən olan məsələlərin həlli məqsədləri

üçün öyrədilməsi mümkün olan “qara qutu” kimi istifadə olunur. Neyrokompüter_

mələnin ilkin məlumatları və həmin məlumatlara uygun cavab “göstərilir”. Bu

zaman neyrokompüter özünün daxilind_ düzgün cavabların alınması üçün həll

edilən məsələlərin alqoritmlərini qurmalıdır. Təbiidir ki, neyrokompüter_ nə qədər

çox müxtəlif ilkin məlumat-cavab cütlükləri verilərsə, o, həll edilən məsələlərə

uygun bir o qədər çox model formalasdıracaqdır. Əgər neyrokompüteri öyrdilmə

mərhələsindən sonra, onun əvvəllər qarsılasmadıgı ilkin məlumatlar verildiyi halda, belə_ düzgün həll nəticələri verə_ bilsin. Neyrokompüterin qabiliyyəti məhz özünü bu ümumiləşmədə_ göstərir. Neyrokompüterin qurulmasının _əsasında süni

neyrosəbəkə_ durduguna görə_, öyrədilmə_ prosesi həmin səbəknin parametrlərinin sazlanmasından ibarət olur. Adətən _ədəbiyyatda öyrədilmə_ dedikdə_ neyronla arasındakı _əlaqələrin çəkilərinin dəyişilməsi prosesi basa düsülür.



Yüklə 1,23 Mb.

Dostları ilə paylaş:
1   ...   19   20   21   22   23   24   25   26   27




Verilənlər bazası müəlliflik hüququ ilə müdafiə olunur ©azkurs.org 2024
rəhbərliyinə müraciət

gir | qeydiyyatdan keç
    Ana səhifə


yükləyin