Sun’iy neyron to’rlarining negizi Xopfild va Ximmingning neyron to’rlari haqida tushuncha Sun'iy neyron tarmoqlari uchun amaliy dasturlar

2.Xopfildning neyron to’rlari haqida tushincha.

Sunniy 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. Bunday mantiqiy bog’lanishli tarmoqlar sifatida Xopfild va Ximming to’rlarini yaxshi tanilgan.

Quyida qirishi va chiqishi bitta bo’lgan bir qatlamli Xopfildnig neyron tarmog’i keltirilgan.
Rasm.2.1. Xopfild tarmog’ining strukturali sxemasi.
Assosiativ xotira kabi bu tarmoqda yechiladigan masala qo’yidagicha shakllantiriladi. Shakl ko’rinishidagi (tasvir, raqamlashgan ovozlar kabi jaryonlarni yoki obyektlarni ifodalovchi) qandaydir ikkilik signallardan tashkil topgan bo’lsin. Tarmoq unga kirib kelayotgan ideal bo’magan mos tasvirli signallarni ajratib saqlab qolsin, yoki kirib kelgan ma’lumotlar birorta ham shaklga mos kelmasligi haqida xabar bersin. Umumiy holda, ixtiyoriy signalni X = { x_i: i=0...n-1} vektor , n – tarmoqdagi neyronlar soni, kiruvchi va chiquvchi vektorlar hajmi. Har bir x_i element + yoki -1 ga teng. k – shaklni ifodalovchi vektorni X^k vektor bilan ifodalaymiz va uning kompnentalarini mos holda – x_i^k , k=0...m-1, m – shakllar soni, bilan belgilaymiz. Tarmoqqa berilgan ma’lumotlar asosida u shaklni tanisa, u holda unga kiruvchi ma’lumot Y = X^k bo’ladi , bu yerda Y tarmoqqa kiruvchi Y = { y_i: i=0,...n-1} vektor qiymati. Aks holda, chiquvchi vektor hyech qanday namunadagi shakl bilan mos kelmaydi.
Agar, masalan, signallar qandaydir shaklni ifodalasa, u holda u tarmoqqa kirishda uni grafik ko’rinishida ifodalaydi va namunadagi birorta shakl bilan mos kelganligini yoki mos kelmaganligini aniqlaydi.
Tarmoq qiymatlarni qabul qilishda og’irlik koeffisiyenti qo’yidagi shaklda ifodalanadi [][]:

_ ^ i j
_m1 _{k k}

^wij
 x x ,i  j
^k 0
(1)