Microsoft Word X. Tahire dissertasiya doc

 

17

olduğunu başa düşmək üçün neyronun funksiyasına daha müfəssəl baxaq. Tutaq ki, 

neyronun n girişi var.  

   Determinik  neyron  şəbəkələr.  Elementlərinin  fəallaşma  funksiyaları  determinik 

olan neyron şəbəkələri determinik neyron şəbəkələri adlanır. Fəallaşma funksiyası 

kimi müxtəlif funksiyalardan istifadə olunur. Tədqiqatlarda ən çox istifadə olunan 

fəallaşma funksiyalarnın əsas növlərini sadalayaq.  

1.

 

Xətti funksiya.  

                                   y=k∑ x

i

w

i 

   

Xətti funksiyanın qrafiki şəkil 6-da verilmişdir. k=1 halında neyronun çıxışı onun 

giriş siqnallarının əmsallaşdırılmış cəmi olur. Bu funksiyanın tətbiq dairəsi olduqca 

məhduddur.  stənilən xətti elementli çoxsaylı şəbəkəni birlaylı şəbəkəyə gətirmək 

mümkün  olduğundan  bu  funksiya  əsasında  çoxsaylı  şəbəkənin  qurulması  onun 

hesablama gücünü artırmır. y 

                             Şəkil 6.     

                  

                                            0                       ∑x

i

w

i

  

   Vahid sıçrayış unksiyası 

                                        y=  1, əgər  ∑w

i

x

i

>=Ө 

                                            Ө, əks halda 

Burada Ө hüdud qiymətidir. 

   Bu  funksiyanın  qrafiki  şəkil  7-də  göstərilmişdir.  Vahid  sıçrayış  funksiyasından 

istiadə  edən  neyronlar  girişlərin  əmsallara  vurulmuş  cəmi  hüdud  kəmiyyətinə 

çatanda ani olaraq özlərinin vəziyyətlərini “0”-dan “1”-ə dəyişir.   

i=1 

i 

---

 

18

 

                                                    Şəkil 7. 

   Bu iki funksiya mürəkkkəb məsələləri həll etməyə imkan verən çoxlaylı neyron 

şə

bəkələrinin qurulmasında xüsusi maraq kəsb edir. Yuxarıda qeyd etdiyimiz kimi 

determinik  neyron  şəbəkələr  həm  əks  əlaqəsiz  (feed-forward),  həm  əks  əlaqəli 

(feed-back)  ola  bilir.  Əks  əlaqəli  neyron  şəbəkələr  daha  böyük  maraq  kəsb  edir. 

Qeyd  edildiyi  kimi,  şəbəkələr  rekurent  şəbəkələr  adlanır.  Sadə  və  çoxlaylı  qeyri-

rekurent  şəbəkələrdə  giriş  vektoru  daxil  olduqda  şəbəkə  üzrə  girişlayından  çıxış 

layına  doğru  istiqamətdə  neyronların  fəallaşmsaı  baş  verir.  Çıxış  neyronlarının 

fəallaşma  səviyyələri  təyin  edildikdən  sonra  neyronların  vəziyyətlərində  heç  bir 

dəyişiklik aparılmır. Bu proses neyron şəbəkələrin relaksiyası adlanır. 

   Rekurent  şəbəkələr  özlərini  tam  başqa  cür  aparırlar.  Şəbəkənin  girişinə  siqnal 

vektoru  veriləndə  neyronların  vəziyyətləri  müəyyənləşir,  lakin  sonra  neyronların 

çıxışları  əks  əlaqəli  olduqları  üçün  onların  girişlərinə  yenidən  yeni  vektor  daxil 

olur  və  vəziyyətlər  yenidən  dəyişirlər.  Rekurent  şəbəkələrdə  dayanıqlıq  anlayışı 

çox vacibdir. Şəbəkə ozaman dayanıqlı hesab olunur ki, sonlu sayda iterasiyadan 

sonra neyronlar dəyişilməyən vəziyyət almış olsun. Dayanıqlı rekurent şəbəkələrin 

girişinə  siqnal  vektoru  veriləndə  neyronların  çıxış  siqnallrı  formalaşır  ki,  bu 

siqnallar  sonra  yenidən  yeni  vəziyyətlər  vektoru  generasiya  etməklə  bir  də 

(təkrarən) girişlərə daxil olur. Lakin şəbəkənin son vəziyyəti qərarlaşmayana qədər 

iterasiyaların  sayının  artması  ilə  düyünlərin  vəziyyətlərinin  dəyişməsinin  sayım 

azalır. Əks əlaqəsiz şəbəkələr həmişə dayanıqlıdırlar. Çünki bir giriş vektoru üçün 

şə

bəkənin düyünləri öz vəziyyətini yalnız bir dəfə dəyişə bilər.  

y 

1 

0 

Ө

 

∑w

i

x

i

 

---

 

19

   Dayanıqsız  şəbəkələr  giriş  vetorunu  verəndə  sonra  təkrarən  girişlərə  ötürülən 

çıxış  siqnalları  yaranır  və  yeni  vəziyyət  dəyişmələrinə  səbəb  olur.  Həm  də  bu 

proses sonsuz olaraq davam edir və qərarlaşmışbir vəziyyət yaranmır.  

   Dayanıqlı olmayan neyron şəbəkələrində həm də xaotik relaksasiya baş verə bilər 

ki, bu da tədqiqatçılar üçün böyük əhəmiyyət kəsb edir. 

   Neyron  şəbəkələrin  dayanıqlığını  hansı  meyarlarla  təyin  etmək  məsələsi  uzun 

müddət  açıq  qalmışdır.  Lakin  rekurent  şəbəkələrin  dayanıqlı  alt  çoxluğunu  təyin 

etməyə imkan verən teoremin isbatı sayəsində bu msələ həll olundu və mürəkkəb 

rekurent şəbəkələrin tətbiqi üçün imkanlar artdı.  

   Rekurent  şəbəkələr  assosiativ  yaddaşı  modellərinə  nümunə  ola  bilər.  nsanın 

yaddaşıilə ənənəvi kompüter yaddaşı arasında köklü fərq var. Maşın yaddaşından 

informasiyanı oxumaq üçün onun yerləşdiyi ünvanı göstərmək tələb olunur.  nsan 

yaddaşı  bir  qədər  başqa  cür  təşkil  edilmişdir.  nsan  yaddaşından  informasiya 

götürmək üçün məzmuna uyğun bəzi açar informasiya tələb olunur. Məsələn, əgər 

adam  ona  tanış  olan  kitabın  adını  eşidərsə,  o,  kitabın  müəlliflərini,  məzmununu, 

cildinin rəngini və s. yada sala bilər. Poeziya biliciləri şerin birinci sətirlərinə görə 

bütün şeri  tamamilə  yadına  sala bilərlər, musiqi biliciləri  fraqmentinə görə  bütün 

ə

səri yaddaşında bərpa edə bilərlər və s. 

   Rekurent  şəbəkələrdə  assosiativ  yaddaşı  modelləşdirmək  üçün  onların  məqsəd 

vəziyyətlərini  müəyyən  etmək  və  vəziyytələr  fəzasının  bu  nöqtələrində  enerjinin 

minimallaşdırəlmasını təmni etmək lazımdır. Əgər bu şərtlər ödənilərsə, onda tam 

surətin  hissəsi  veriləndə  və  ya  xarab  olmuş  variantında  şəbəkə  yüksək  ehtimalla 

tam  surəti  canlandıra  biləcəkdir.  Rekurent  şəbəkələrin  verdiyi  bu  imkan 

informasiyanın  bərpa  olunması  üsullarının  işələnməsində  əhəmiyyətli  rol  oynaya 

bilər. 

   Qeyri-səlis neyron şəbəkələr.  ndiyə kimi baxdığımız adi və ya “səlis” neyronalrı 

ümumi şəkildə aşağıdakı kimi təsvir etmək olar. Süni neyronalar – bunlar bir neçə 

girişə  müəyyən  f

i

(x

i

)

  funksiyası  uyğun  tutulur  ki,  bu  funksiya  giriş  siqnalını 

müvafiq  qaydada  emal  edir.  Ən  sadə  və  ən  çox  yayılmış  halda  bu  funksiya  giriş 

qiymətini  əlaqələrin  çəki  əmsallarına  vurmaqla  onu  gücləndirir,  yəni  f

i

(x

i

)=x

i

*w

i

. 

i 

---