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

Ko‘p qatlamli perseptron

Ko'p qatlamli perceptron bo'yicha ilovalar

• 
  Nutqni aniqlash
  
• 
  Mashina tarjimasi
  
• 
  Kompleks tasnifi
  

Kirish ma'lumotlari sun'iy neyronlarning turli qatlamlari orqali o'tadigan murakkab neyron tarmoqlarga kirish nuqtasi. Har bir tugun keyingi qatlamdagi barcha neyronlarga ulangan bo'lib, uni to'liq bog'langan neyron tarmoqqa aylantiradi. Kirish va chiqish qatlamlari bir nechta yashirin qatlamlarga ega, ya'ni jami kamida uch yoki undan ortiq qatlamlarga ega. U ikki yo'nalishli tarqalishga ega, ya'ni oldinga tarqalish va orqaga tarqalish.
Kirishlar og'irliklar bilan ko'paytiriladi va faollashtirish funktsiyasiga beriladi va orqaga tarqalishda ular yo'qotishlarni kamaytirish uchun o'zgartiriladi. Oddiy so'z bilan aytganda, og'irliklar Neyron tarmoqlaridan mashina tomonidan o'rganilgan qiymatlardir. Ular bashorat qilingan natijalar va o'quv kirishlari o'rtasidagi farqga qarab o'zini o'zi sozlaydi. Chiziqli bo'lmagan faollashtirish funktsiyalari, so'ngra chiqish qatlamini faollashtirish funktsiyasi sifatida softmax ishlatiladi. (2-rasm)

Ko'p qatlamli perseptronning afzalliklari

1. 
   Chuqur o'rganish uchun ishlatiladi [zich to'liq bog'langan qatlamlar mavjudligi va orqaga tarqalish tufayli] 
   

Ko'p qatlamli perceptronning kamchiliklari: 

1. 
   Dizayn va texnik xizmat ko'rsatish uchun nisbatan murakkab
   

Nisbatan sekin (yashirin qatlamlar soniga bog'liq)

Konvolyutsion neyron tarmoq

Konvolyutsion neyron tarmog'idagi ilovalar

• 
  Tasvirga ishlov berish
  
• 
  Kompyuter ko'rish
  
• 
  Nutqni aniqlash
  
• 
  Mashina tarjimasi
  

Konvolyutsiya neyron tarmog'i standart ikki o'lchovli massiv o'rniga neyronlarning uch o'lchovli tartibini o'z ichiga oladi. Birinchi qatlam konvolyutsion qatlam deb ataladi. Konvolyutsion qatlamdagi har bir neyron faqat ko'rish maydonining kichik qismidagi ma'lumotlarni qayta ishlaydi. Kiritish funksiyalari filtr kabi partiyaviy ravishda olinadi. Tarmoq tasvirlarni qismlarga bo'lib tushunadi va tasvirni to'liq qayta ishlashni yakunlash uchun bu operatsiyalarni bir necha marta hisoblashi mumkin. Qayta ishlash tasvirni RGB yoki HSI shkalasidan kul rangga aylantirishni o'z ichiga oladi. Piksel qiymatidagi keyingi o'zgarishlar qirralarni aniqlashga yordam beradi va tasvirlarni turli toifalarga ajratish mumkin.(4-rasm)
Tarqatish bir yo'nalishli bo'lib, CNN bir yoki bir nechta konvolyutsion qatlamlarni o'z ichiga oladi, undan keyin birlashuvchi va ikki tomonlama bo'ladi, bu erda konvolyutsiya qatlamining chiqishi yuqoridagi diagrammada ko'rsatilganidek tasvirlarni tasniflash uchun to'liq ulangan neyron tarmoqqa o'tadi. Filtrlar tasvirning ayrim qismlarini ajratib olish uchun ishlatiladi. MLP da kirishlar og'irliklar bilan ko'paytiriladi va faollashtirish funktsiyasiga beriladi. Convolution RELU-dan foydalanadi va MLP chiziqli bo'lmagan faollashtirish funktsiyasidan so'ng softmax-dan foydalanadi. Konvolyutsiya neyron tarmoqlari tasvir va videoni aniqlash, semantik tahlil qilish va parafrazni aniqlashda juda samarali natijalarni ko'rsatadi.