Sun’iy intellekt va neyron tarmoqlari”fanidan sun’iy neyron tarmoqlari modeli

Perseptron
Minsky-Papert tomonidan taklif qilingan Perceptron modeli Neuronning eng oddiy va eng qadimgi modellaridan biridir. Bu neyron tarmog'ining eng kichik birligi bo'lib, u kirish ma'lumotlaridagi xususiyatlarni yoki biznes razvedkasini aniqlash uchun muayyan hisob-kitoblarni amalga oshiradi. U vaznli kirishlarni qabul qiladi va yakuniy natija sifatida chiqishni olish uchun faollashtirish funksiyasini qo'llaydi. Perceptron, shuningdek, TLU (eshik mantiq birligi) sifatida ham tanilgan.
Perceptron - bu ma'lumotlarni ikki toifaga ajratadigan nazorat ostida o'rganish algoritmi, shuning uchun u ikkilik tasniflagichdir. Perseptron kirish maydonini quyidagi tenglama bilan ifodalangan giper tekislik orqali ikki toifaga ajratadi.
Perceptron Perceptronlarning afzalliklari AND, OR yoki NAND kabi mantiqiy chegaralarni amalga oshirishi mumkin.
Perceptron Perceptronlarning kamchiliklari faqat mantiqiy VA muammosi kabi chiziqli ajratiladigan muammolarni o'rganishi mumkin. Boolean XOR muammosi kabi chiziqli bo'lmagan muammolar uchun u ishlamaydi. (1-rasm)

Neyron tarmoqlarini oldinga uzatish (Feed Forward Neural Networks)

Feed Forward neyron tarmoqlaridagi ilovalar:

• 
  Oddiy tasniflash (an'anaviy Mashinani o'rganishga asoslangan tasniflash algoritmlarida cheklovlar mavjud )
  
• 
  Yuzni tanish [Oddiy oldinga qarab tasvirni qayta ishlash]
  
• 
  Kompyuterni ko'rish [Maqsadli sinflarni tasniflash qiyin bo'lgan joyda]
  
• 
  Nutqni aniqlash
  

Kirish ma'lumotlari faqat bir yo'nalishda harakatlanadigan, sun'iy neyron tugunlari orqali o'tib, chiqish tugunlari orqali chiqadigan neyron tarmoqlarning eng oddiy shakli. Yashirin qatlamlar mavjud yoki bo'lmasligi mumkin bo'lgan joylarda kirish va chiqish qatlamlari mavjud. Shunga asoslanib, ularni bir qatlamli yoki ko'p qatlamli oldinga yo'naltirilgan neyron tarmoq sifatida yanada tasniflash mumkin.
Q
atlamlar soni funktsiyaning murakkabligiga bog'liq. U bir yo'nalishli oldinga tarqaladi, lekin orqaga tarqalmaydi. Bu erda og'irliklar statikdir. Faollashtirish funksiyasi og'irliklarga ko'paytiriladigan kirishlar orqali ta'minlanadi. Buning uchun faollashtirish funksiyasini tasniflash yoki bosqichli faollashtirish funksiyasidan foydalaniladi. Masalan: Neyron chegaradan yuqori bo'lsa (odatda 0) faollashadi va neyron chiqish sifatida 1 ni hosil qiladi. Neyron -1 deb hisoblanadigan chegaradan (odatda 0) past bo'lsa, faollashtirilmaydi. Ularni saqlash juda oddiy va ular juda ko'p shovqinni o'z ichiga olgan ma'lumotlar bilan ishlash uchun jihozlangan.(3-rasm)
3-rasm. Feed Forward neyron tarmog‘i

Feed Forward neyron tarmoqlarining afzalliklari

1. 
   Kamroq murakkab, dizayn va texnik xizmat ko'rsatish oson
   
2. 
   Tez va tezkor [Bir tomonlama tarqalish]
   
3. 
   Shovqinli ma'lumotlarga juda sezgir
   

Forward neyron tarmoqlarining kamchiliklari :

1. 
   Chuqur o'rganish uchun foydalanish mumkin emas [zich qatlamlar yo'qligi va orqaga tarqalish tufayli]