Muhammad al-xorazimiy nomidagi toshkent axborot texnologiyalari universiteti mustaqil ish



Yüklə 31,24 Kb.
səhifə1/2
tarix23.06.2022
ölçüsü31,24 Kb.
#62177
  1   2
Примером подобной ситуации является разработка корректоров коэффициента мощности, dXarid Контракт 4843009, Инсон компьютер алокаси, 061-19 MB dan mustaqil ish, Ahadjon Karimov, Wifi, Mustaqil ish mavzulari Kiberxavfsizlik (3), Mustaqil ish mavzulari Kiberxavfsizlik (3), Mustaqil ish mavzulari Kiberxavfsizlik (3), Mustaqil ish mavzulari Kiberxavfsizlik (3), Mustaqil ish mavzulari Kiberxavfsizlik (3), Mustaqil ish mavzulari Kiberxavfsizlik (3), Mustaqil ish mavzulari Kiberxavfsizlik (3), Mustaqil ish mavzulari Kiberxavfsizlik (3), Mustaqil ish mavzulari Kiberxavfsizlik (3)

O‘ZBEKISTON RESPUBLIKASI AXBOROT TEXNOLOGIYALARI VA KOMMUNATSIYALARNI RIVOJLANTIRISH VAZIRLIGI


MUHAMMAD AL-XORAZIMIY NOMIDAGI
TOSHKENT AXBOROT TEXNOLOGIYALARI UNIVERSITETI


MUSTAQIL ISH


Mavzu: Sun’iy neyron to’rlarini o’rganishda falajlik sabablari

Guruh: KBS001


Bajardi: To’ychiboyev H.

TOSHKENT 2022

Sun’iy neyron to’rlarini o’rganishda falajlik sabablari




Reja:

  1. Kirish.

  2. Sun’iy neytral tarmoqlar

  3. Fresh solution va muammolarni hal qilish

  4. Eski ballarni o'rnatish, yangilarini ochish

  5. Tahlillar va natijalar

  6. Xulosa

  7. Foydalanilgan adabiyotlar

Neyrologiya nisbatan yosh fandir. Bu, ayniqsa, fizika fanlari bilan bog'liq. Biz, masalan, fizik xususiyatlarning atom/subatomik kuchlardan qanday paydo bo'lishi haqida ko'p narsani tushungan bo'lsak-da, aqlli xatti-harakatlarning asab funktsiyasidan qanday paydo bo'lishi haqida nisbatan kam narsa ma'lum.

Ushbu muammoni hal qilish uchun nevrologlar ko'pincha "idrok" va "xotira" kabi intuitiv tushunchalarga tayanadilar, bu ularga miya va xatti-harakatlar o'rtasidagi munosabatni tushunishga imkon beradi. Shu tarzda, maydon keng zarbalarda asab funktsiyasini tavsiflashni boshladi.

Masalan, primatlarda biz bilamizki, ventral vizual oqim (VVS) vizual idrok etishni qo'llab-quvvatlaydi, medial temporal lob (MTL) esa xotira bilan bog'liq xatti-harakatlarni amalga oshiradi.


Tadqiqot guruhining yechimi kompyuterni ko'rish deb nomlanuvchi sun'iy intellekt sohasidagi so'nggi yutuqlardan foydalanish edi. Ushbu soha AIning eng rivojlangan sohalaridan biridir. Aniqrog‘i, tadqiqot guruhi primatlarning vizual tizimidagi neyron javoblarini bashorat qila oladigan hisoblash modellaridan foydalangan: vazifa uchun optimallashtirilgan konvolyutsion neyron tarmoqlari (CNN).

"Ushbu modellar nafaqat vizual xatti-harakatlarni bashorat qilishda" yaxshi "," deydi Bonnen. "Ushbu modellar primatlarning vizual tizimidagi neyron reaktsiyalarini bashorat qilishda neyrobiologlar ushbu maqsadda aniq ishlab chiqqan modellardan ko'ra yaxshiroq ishlaydi. Bizning loyihamiz uchun bu foydali, chunki u bizga ushbu modellardan insonning vizual tizimi uchun proksi sifatida foydalanish imkonini beradi.

Ushbu vositalardan foydalanish Bonnenga tarixiy tajribalarni qayta o'tkazishga imkon berdi, ular MTLning idrok etishdagi ishtiroki bo'yicha bahslarning ikkala tomonini qo'llab-quvvatlash uchun dalil sifatida ishlatilgan.

Birinchidan, ular ilgari nashr etilgan 30 ta tajribadan ogohlantiruvchi va xatti-harakatlar ma'lumotlarini to'plashdi. Keyinchalik, dastlabki tajribalarda bo'lgani kabi bir xil stimullardan (bir xil tasvirlar, bir xil kompozitsiyalar va bir xil taqdimot tartibi va boshqalar) foydalanib, ular modelning ushbu vazifalarni qanchalik yaxshi bajarganligini aniqladilar. Nihoyat, Bonnen model ishlashini eksperimental ishtirokchilarning xatti-harakatlari bilan to'g'ridan-to'g'ri taqqosladi.

“Bizning natijalarimiz hayratlanarli edi. Ushbu adabiyotdagi eksperimentlar davomida bizning modellashtirish tizimimiz MTL bilan zararlangan sub'ektlarning xatti-harakatlarini bashorat qilishga muvaffaq bo'ldi (ya'ni, asab shikastlanishi tufayli MTL yo'q sub'ektlar). Biroq, MTL-ning buzilmagan sub'ektlari bizning hisoblash modelimizdan ustun bo'lishga muvaffaq bo'ldi, - deydi Bonnen. "Ushbu natijalar MTLni uzoq vaqtdan beri idrok etish xatti-harakatlari sifatida tasvirlangan va o'nlab yillar davomida aniq nomuvofiqliklarni bartaraf etishda aniq ta'sir qiladi."

Ammo Bonnen MTL idrok etishda ishtirok etadimi, degan savolga ikkilanadi. "Ushbu talqin bizning topilmalarimizga to'liq mos kelsa-da, biz odamlar MTLga bog'liq qobiliyatlarni tasvirlash uchun qaysi so'zlardan foydalanishi kerakligi haqida qayg'urmaymiz. MTL bunday sehrli, ba'zida ta'riflab bo'lmaydigan xatti-harakatlarni qanday qo'llab-quvvatlashini tushunish uchun biz ushbu modellashtirish usulidan foydalanishga ko'proq qiziqamiz.

"Bizning ishimiz va oldimizga kelgan narsalar o'rtasidagi muhim farq, - deydi Bonnen, - bu yangi nazariy yutuqlar emas, bu bizning usulimiz: biz AI tizimini odamlar duch keladigan bir xil muammolarni hal qilishga chaqiramiz, to'g'ridan-to'g'ri eksperimental ravishda aqlli xatti-harakatlarni yaratamiz. kirishlar - masalan, piksellar."

Tadqiqot guruhining ishi zamonaviy neyroilmiy yondashuvlarning cheklovlari bo'yicha amaliy tadqiqotni, shuningdek, istiqbolli yo'lni taqdim etadi: AIning yangi vositalaridan foydalanib, asab funktsiyasi haqidagi tushunchamizni rasmiylashtirish.

"Ushbu yondashuvning foydaliligini ko'rinib turgan nevrologik munozaralar kontekstida ko'rsatish," Bonnen taklif qiladi, "biz kuchli printsipni isbotladik: bu biologik jihatdan ishonchli hisoblash usullari bizga neyron tizimlarini kanonik vizual kortekslardan tashqari tushunishga yordam beradi." MTL uchun bu nafaqat xotira bilan bog'liq xatti-harakatlarni tushunish, balki travmadan keyingi stress buzilishi kabi xotira bilan bog'liq patologiyalardan aziyat chekadigan odamlarga yordam berishning yangi usullarini ishlab chiqish uchun ham potentsialga ega.

Bonnen ogohlantiradiki, ushbu ta'sirchan va xotira bilan bog'liq xatti-harakatlarni tushunish uchun zarur bo'lgan algoritmlar u joriy tadqiqotda qo'llagan kompyuter ko'rish modellari kabi ishlab chiqilmagan. Ular hali mavjud emas va ideal tarzda bu xatti-harakatlarni qo'llab-quvvatlaydigan bir xil biologik tizimlarni aks ettiradigan tarzda ishlab chiqilishi kerak. Shunga qaramay, sun'iy intellekt allaqachon hayvonlarning xatti-harakati haqidagi sezgilarimizni rasmiylashtirish uchun kuchli vositalarni taklif qilgan va bu bizning miya haqidagi tushunchamizni sezilarli darajada yaxshilaydi.



Keyingi tahlillar to'plamida biz beshta bilimga urg'u berish uchta murakkablik guruhida qanday o'zgarishini tushunishga harakat qildik. Biz diskriminant tahlilidan beshta bilim ta'sirida nazarda tutilgan besh o'lchovni ikki o'lchovga qisqartirish uchun foydalandik. Ushbu ilovada diskriminant tahlili birinchi navbatda uch guruhni maksimal umumiy darajada farqlaydigan og'irlikdagi yig'indini yaratishda foydalaniladigan koeffitsientlar to'plamini aniqladi. Keyin u birinchi o'lchovdan (ortogonalga) mustaqil ravishda guruhlarni yana farqlash uchun keyingi eng yaxshi vaznni aniqladi. Barcha bilimga urg'u berilgan o'zgaruvchilar tahlilga bir vaqtning o'zida (bosqichma-bosqich emas) kiritildi va guruh o'lchamlari bo'yicha guruh tasnifi uchun oldingi ehtimolliklar hisoblab chiqildi. 4-jadvalning o'rtasida shu tarzda olingan koeffitsientlar ko'rsatilgan. Ushbu koeffitsientlar ikkita mos keladigan vaznli yig'indilarni ishlab chiqarish uchun ishlatilsa, uchta guruh tahlilda olingan ikki o'lchovli bo'shliq uchun 3-rasmda ko'rsatilgan pozitsiyalarni egallaydi. Xususan, bu pozitsiyalar ushbu ikkita diskriminant funksiyadan olingan quyidagi (X, Y) juft qiymatlariga asoslanadi: Sabab (.780, -.039), Funktsional (-.021,.234), Boshqarish (-.055, -). .073).

Knowledge Emphases

Canonical Discriminant Function Coefficients

Correlations with Discriminant Functions (Structure Matrix)


Function

Function


1

2

1

2

Generic

0.998

0.390

0.63

0.69

Structured

0.545

0.063

0.37

0.53

Modular

-0.368

0.593

-0.16

0.83

Deep

-0.042

-0.539

0.15

0.27

Rich

-0.887

0.509

-0.18

0.74

Xulosa:
Natijalar bizning farazlarimizni, xususan, turli xil murakkablikdagi loyihalar turli xil bilimlarni ishlab chiqarishga urg'u beradi degan g'oyani qo'llab-quvvatladi. Gipotezalarning ikkinchi seriyasi, ya'ni ma'lum bilimlarga urg'u berish loyihalarning ushbu murakkablik turlari bo'yicha bajarilishini farqlashi, shuningdek, ma'lum darajada qo'llab-quvvatlandi, ayniqsa samaradorlikni tushuntirishda bilimning umumiy roli, shuningdek, farqlar bilan bog'liq. urg'u namunasi va ishlash korrelyatsiya namunasi o'rtasida. Bu qo'llab-quvvatlash, o'z navbatida, innovatsion loyihalarda murakkablikdan kelib chiqadigan muammolarni hal qilishda bilimlarning tabiati va rollarining dastlabki nazariy tahlilini kuchaytiradi.

3-jadvaldagi ba'zi natijalar resursga asoslangan nazariya (Vernerfelt, 1984; Barney, 1991) bilan bog'liq bo'lib, bu domendagi nisbatan kam uchraydigan amaliyotlar ayniqsa foydali bo'lishi mumkinligini anglatadi, chunki raqobatchilar uchun ularni taqlid qilish yoki sotib olish oson emas. Amaliy natijalardan biri shundaki, loyiha menejerlari faqat o'z sohalarida odatiy ko'rinadigan bilim turlarini rivojlantirishga e'tibor qaratmasliklari kerak. Buning o'rniga, ular boshqa bilim shakllarini, ayniqsa raqobatchilar ishlab chiqarish qiyin bo'lgan bilimlarni rivojlantirish va himoya qilish qobiliyatini astoydil rivojlantirishlari kerak. Masalan, nazoratning murakkabligi bilan bog'liq loyihalarda ular umumiy formulalarni ishlab chiqishni rag'batlantirishlari kerak, ehtimol boshqa loyihalar bilan ma'lumot va resurslarni almashish yoki bunday formulalarni ishlab chiqishda yordam beradigan universitetlar va jamoat laboratoriyalari bilan aloqalarni o'rnatish orqali.

Medial temporal lob (MTL) xotira bilan bog'liq xatti-harakatlar turkumini qo'llab-quvvatlaydi. Biroq, uning idrok etish jarayonidagi ishtiroki doimiy munozaralarga sabab bo'ldi. Ushbu munozara peririnal korteks (PRC), ventral vizual oqim (VVS) cho'qqisida joylashgan MTL tuzilishiga qaratilgan.

Bu erda biz VVS tomonidan qo'llab-quvvatlanadigan vizual xatti-harakatlarga yaqinlashtiruvchi chuqur o'rganish tizimidan foydalanamiz (ya'ni, XXR yo'q).

Biz birinchi navbatda ushbu yondashuvni retroaktiv tarzda qo'llaymiz, nashr etilgan 30 ta vizual kamsitish tajribalarini modellashtiramiz: diagnostik bo'lmagan ogohlantiruvchi to'plamlar bundan mustasno, VVS-modellashtirilgan va XXR-lezyonli xatti-harakatlar o'rtasida ajoyib yozishmalar mavjud, ularning har biri XXRning buzilmagan ishtirokchilaridan ustundir.


Bizning asosimizni empirik tasdiqlashga birinchi urinish shuni ko'rsatadiki, asosiy asos va bilimlarni taqdim etishda urg'u tushunchasi innovatsion loyihalarning harakatlari va samaradorligini tushuntirish uchun tushuntirish kuchi nuqtai nazaridan istiqbolli. Ushbu nazariyaning qayta ko'rib chiqilgan konstruktsiyalariga aniqroq va to'liq moslashtirilgan chora-tadbirlar bilan keyingi tadqiqotlar firmadagi innovatsion jarayonlarga yangi tushunchalarga olib kelishi mumkin, bu esa bilimlarning murakkab kontseptualizatsiyasiga muhimroq o'rin beradi. Amaliy ma'noda, bilim ishlab chiqarishdagi turli xil e'tibor ishlash bilan bog'liqligini ko'rsatish, bu faoliyat yaratishga yordam beradigan qiymatni ta'kidlash orqali innovatsion loyihalar faoliyatida bilim ishlab chiqarishni qo'llab-quvvatlashi mumkin.
Biz birinchi navbatda ushbu yondashuvni retroaktiv tarzda qo'llaymiz, nashr etilgan 30 ta vizual kamsitish tajribalarini modellashtiramiz: diagnostik bo'lmagan ogohlantiruvchi to'plamlar bundan mustasno, VVS-modellashtirilgan va XXR-lezyonli xatti-harakatlar o'rtasida ajoyib yozishmalar mavjud, ularning har biri XXRning buzilmagan ishtirokchilaridan ustundir.

Biz ushbu natijalarni yangi eksperiment bilan tasdiqlaymiz va kengaytiramiz, XXR-buzilmagan inson faoliyatini makaka VVS elektrofiziologik yozuvlari bilan to'g'ridan-to'g'ri taqqoslaymiz: XXR-daxlsiz ishtirokchilar yuqori darajadagi vizual korteksning chiziqli o'qishidan ustundir.



Yüklə 31,24 Kb.

Dostları ilə paylaş:
  1   2




Verilənlər bazası müəlliflik hüququ ilə müdafiə olunur ©azkurs.org 2022
rəhbərliyinə müraciət

    Ana səhifə