Oʻzbekiston

OʻZBEKISTON RESPUBLIKASI OLIY TA’LIM, FAN VA INNOVATSIYALAR VAZIRLIGI


MIRZO ULUGʻBEK NOMIDAGI OʻZBEKISTON MILLIY UNIVERSITETINING JIZZAX FILIALI
Axborot tizimlari va texnalogiyalari kafedrasi


Sun'iy intellekt va neyronto'rli texnologiyalar fanidan

1. 
   Mustaqil ishi
   

Mavzu: Koxonen o‘z-o‘zini tashkil etuvchi neyron to‘rlari.


Bajardi: 20-21 guruh Samandarov Xursand


Tekshirdi: Ergashev Sirojiddin

JIZZAX 2023
Reja:

1. 
   O'z-o'zini tashkil etuvchi neyron to‘rlari.
   
2. 
   Koxonen qatlami.
   
3. 
   Koxonen xaritasi.
   
4. 
   Koxonen xaritalarini ko‘p o‘lchamli berilganlarni vizuallashtirishda qo‘llash.
   

O'z-o'zini tashkil etuvchi neyron to‘rlari.
1982-yilda Finlyandiya professori va tadqiqotchisi doktor Teuvo Koxonen tomonidan yaratilgan oʻz-oʻzini tashkil etuvchi xarita nazoratsiz oʻrganish modeli boʻlib, kirish va chiqish joylari oʻrtasidagi topologiyani saqlash muhim boʻlgan ilovalar uchun moʻljallangan. Ushbu algoritmning diqqatga sazovor xususiyati shundaki, yuqori o'lchamli fazoda yaqin - o'xshash kirish vektorlari 2D fazodagi yaqin tugunlarga ham ko'rsatilgan. Bu mohiyatan o'lchamlarni qisqartirish usulidir, chunki u yuqori o'lchamli kirishlarni past (odatda ikki) o'lchovli diskretlashtirilgan tasvirga tushiradi va uning kirish maydonining asosiy tuzilishini saqlaydi.
Qimmatbaho tafsilot shundaki, butun o'rganish nazoratsiz amalga oshiriladi, ya'ni tugunlar o'z-o'zini tashkil qiladi. Ular, shuningdek, xususiyatli xaritalar deb ham ataladi, chunki ular asosan kiritilgan ma'lumotlarning xususiyatlarini qayta o'rgatadi va shunchaki bir-birining o'xshashligiga ko'ra o'zlarini guruhlaydi. Bu murakkab yoki katta hajmdagi yuqori o'lchamli ma'lumotlarni vizualizatsiya qilish va ular o'rtasidagi munosabatni past, odatda ikki o'lchovli maydonda ifodalash uchun pragmatik qiymatga ega, bu berilgan belgilanmagan ma'lumotlarning tuzilishiga ega yoki yo'qligini ko'rish uchun.



Rasm 1. Kohonen arxitekturasi

O'z-o'zini tashkil qiluvchi xarita (SOM) o'zining arxitekturasi va algoritmik xususiyatlari bilan odatiy ANN dan farq qiladi. Birinchidan, uning tuzilishi bir qator qatlamlar o'rniga neyronlarning bir qatlamli chiziqli 2D panjarasidan iborat. Ushbu tarmoqdagi barcha tugunlar to'g'ridan-to'g'ri kirish vektoriga ulanadi, lekin bir-biriga emas, ya'ni tugunlar o'z qo'shnilarining qiymatlarini bilmaydi va faqat berilgan kirishlar funktsiyasi sifatida ulanishlarining og'irligini yangilaydi. To'rning o'zi har bir iteratsiyada kirish ma'lumotlarini kiritish funktsiyasi sifatida o'zini tashkil etadigan xaritadir. Shunday qilib, klasterlashgandan so'ng, har bir tugun o'zining (i,j) koordinatasiga ega bo'lib, bu Pifagor teoremasi yordamida 2 tugun orasidagi Evklid masofasini hisoblash imkonini beradi.

O'z-o'zini tashkil etuvchi neyron tarmoqlari, shuningdek, o'z-o'zini tashkil qiluvchi xaritalar (SOMs) sifatida ham tanilgan, aniq nazoratsiz ma'lumotlarni o'rganish va tartibga solish mumkin bo'lgan sun'iy neyron tarmoq turidir. Ular, ayniqsa, klasterlash, vizualizatsiya va o'lchamlarni kamaytirish kabi vazifalar uchun foydalidir.
SOMlar birinchi marta 1980-yillarning boshlarida Teuvo Koxonen tomonidan kiritilgan. Har bir neyron kirish maydonidagi nuqtani ifodalovchi og'irlik vektori bilan bog'langan. O'quv jarayonida SOM kirish maydonining topologik tasvirini yaratish uchun kiritilgan ma'lumotlarga asoslangan holda ushbu vazn vektorlarini moslashtiradi.
O'z-o'zini tashkil etuvchi neyron tarmoqlarni o'rganish jarayoni ikkita asosiy bosqichni o'z ichiga oladi: ishga tushirish va moslashish.

1. 
   Initializatsiya: Boshlash bosqichida neyronlarning og'irlik vektorlari tasodifiy ravishda tayinlanadi yoki ma'lum bir algoritm yordamida ishga tushiriladi. Ushbu qadam tarmoqning dastlabki holatini o'rnatadi.
   
2. 
   Moslashuv: Moslashuv bosqichida tarmoq kirish maʼlumotlari asosida neyronlarning ogʻirlik vektorlarini iterativ tarzda sozlaydi. Moslash shunday amalga oshiriladiki, panjaradagi qo'shni neyronlar bir-biriga o'xshash bo'ladi, uzoqdagi neyronlar esa kamroq o'xshash bo'ladi. Bu jarayon tarmoqqa kirish maydonining topologik tasvirini yaratishga imkon beradi, bu erda o'xshash kirish naqshlari yaqin atrofdagi neyronlar bilan taqqoslanadi.
   

Moslashish bosqichida tarmoq og'irlik vektorini sozlash darajasini aniqlash uchun qo'shnichilik funktsiyasi va o'rganish tezligidan foydalanadi. Qo'shnichilik funktsiyasi har bir neyronning qo'shnilariga ta'sirini belgilaydi, o'rganish tezligi esa og'irlik vektorini sozlashning kattaligini nazorat qiladi. O'rganish davom etar ekan, kirish ma'lumotlarining tarmoq tasvirini nozik sozlash uchun qo'shnichilik funktsiyasi va o'rganish tezligi odatda asta-sekin kamayadi.

O'z-o'zini tashkil etuvchi neyron tarmoqlar turli sohalarda muvaffaqiyatli qo'llanilgan, jumladan:

• 
  Klasterlash: SOMlar o'xshash ma'lumotlar nuqtalarini birgalikda guruhlash uchun ishlatilishi mumkin, bu ma'lumotlardagi yashirin naqsh yoki tuzilmalarni aniqlash imkonini beradi.
  
• 
  Vizualizatsiya: SOMlar murakkab ma'lumotlarni tushunish va izohlashni osonlashtirib, past o'lchamli makonda yuqori o'lchamli ma'lumotlarni vizualizatsiya qilish uchun ishlatilishi mumkin.
  
• 
  O'lchamlarni qisqartirish: SOMlar kiritilgan ma'lumotlarning tuzilishini saqlab qolgan holda uning o'lchamlarini kamaytirish uchun ishlatilishi mumkin. Bu xususiyatni ajratib olish va ma'lumotlarni siqish kabi vazifalar uchun foydali bo'lishi mumkin.
  
• 
  Anomaliyalarni aniqlash: SOMlar kirish maydonining o'rganilgan ko'rinishidan sezilarli darajada chetga chiqadigan ma'lumotlar nuqtalarini aniqlash orqali ma'lumotlardagi anomaliyalar yoki o'zgarishlarni aniqlash uchun ishlatilishi mumkin.
  
• 
  Ma'lumotlarni o'rganish: SOMlar katta ma'lumotlar to'plamlarini o'rganish va navigatsiya qilish uchun ishlatilishi mumkin, bu foydalanuvchilarga ma'lumotlarni interaktiv tarzda o'rganish va tahlil qilish imkonini beradi.
  

O'z-o'zini tashkil etuvchi neyron tarmoqlar yoki o'z-o'zini tashkil etuvchi xaritalar (SOM) sun'iy neyron tarmoq turi bo'lib, ular aniq nazoratsiz ma'lumotlarni o'rganishi va tartibga solishlari mumkin. Ular, ayniqsa, klasterlash, vizualizatsiya va o'lchamlarni kamaytirish kabi vazifalar uchun foydalidir. SOMlar turli sohalarda muvaffaqiyatli qo'llanilgan va yashirin naqshlarni ochishga, murakkab ma'lumotlarni vizuallashtirishga va anomaliyalarni aniqlashga yordam beradi.

Neyron tarmoqlarda o'z-o'zini tashkil qilish jarayoni quyidagicha ishlaydi: tarmoqdagi neyronlar aniq ko'rsatmasiz kirish ma'lumotlariga moslashishni o'rganadilar. Treningning boshida neyronlarning og'irligi tasodifiy qiymatlar bilan yoki maxsus algoritm yordamida ishga tushiriladi. Keyin tarmoq kirish ma'lumotlari asosida neyron og'irliklarini iterativ ravishda moslashtiradi. Bu moslashuv shunday sodir bo'ladiki, yaqin atrofdagi neyronlar bir-biriga o'xshash bo'ladi va uzoq neyronlar kamroq o'xshash bo'ladi. Shu tarzda, tarmoq kirish ma'lumotlar maydonining topologik tasvirini yaratadi, bu erda o'xshash naqshlar yaqin atrofdagi neyronlar bilan taqqoslanadi.
O'z-o'zini tashkil qilish jarayonida tarmoq neyronlarning og'irligi qay darajada sozlanganligini aniqlash uchun qo'shnichilik funktsiyasi va o'rganish tezligidan foydalanadi. Qo'shnichilik funktsiyasi har bir neyronning qo'shnilariga ta'sirini aniqlaydi va o'rganish tezligi og'irliklarga moslashish miqdorini nazorat qiladi. Trening davom etar ekan, kirish ma'lumotlarining tarmoq tasvirini yaxshilash uchun qo'shnichilik funktsiyasi va o'rganish tezligi odatda asta-sekin kamayadi.
Neyron tarmoqlarda o'z-o'zini tashkil qilish jarayoni turli sohalarda, jumladan klasterlash, vizualizatsiya va ma'lumotlar o'lchamlarini kamaytirishda qo'llaniladi. Bu yashirin naqshlarni aniqlashga, murakkab ma'lumotlarni ko'rishga va anomaliyalarni aniqlashga yordam beradi.
Sun’iy neyron to’rlari konfigurasiyalari orasida klassifikasiyalashda o’qitish prinsiplari bo’yicha o’qituvchi yordamida o’rgatish va o’qituvchisiz o’rgatish prinsiplariga to’g’ri kelmaydi. Bunday hollarda og’irlik koeffisiyentlari qayta ishlanayotgan axborotlar yordamida izlab topiladi va barcha o’rgatishlar xuddi shu hisoblashga keltiriladi. Bir tomondan aprior axborotlarni o’qituvchining yordami sifatida qabul qilish kerak, boshqa tomondan tarmoq tasvirlarni haqiqiy ma’luotlar kelguncha xotirada saqlab qoladi.