FARG`ONA
DAVLAT UNIVARSITETI
SIRTQI BO`LIM
AMALIY MATEMATIKA VA
INFORMATIKA YO`NALISHI
4-BOSQICH 19.70-GURUH
TALABASI
ERGASHEV MA’RUFJONNING
“SUNIY INTELEKT VA NEYRON
TO`RLARI TEX”
FANIDAN
“Neyron to‘ri asosida qaror qabul qilishdagi
shaffoflik.
Genetik algoritm va uning
qo‘llaniladigan masalalar. Qarorlar daraxtining
amaliy tadbiqlari”
MAVZUSIDA TAYYORLAGAN
MUSTAQIL
ISHI
Qabul qildi: Sh. Turg`unov
Topshirdi: M. Ergashev
1.
Neyron to‘ri asosida qaror qabul qilishdagi shaffoflik.
Sunʼiy neyron tarmoqlari (SNT), odatda oddiygina neyron tarmoqlari (NT) deb
ataladi, hayvonlar miyasini tashkil etuvchi biologik neyron tarmoqlardan ilhomlangan
hisoblash tizimlari.
SNT sunʼiy neyronlar deb ataladigan bogʻlangan birliklar yoki tugunlar toʻplamiga
asoslanadi, ular biologik miyadagi neyronlarni erkin modellashtiradi. Sunʼiy neyron
signallarni oladi, keyin ularni qayta ishlaydi va unga ulangan neyronlarga
signal
berishi mumkin. Ulanishdagi „signal“ haqiqiy raqam boʻlib, har bir neyroNTing
chiqishi uning kirishlari yigʻindisining chiziqli boʻlmagan funksiyasi bilan
hisoblanadi. Ulanishlar deyiladi qirralar. Neyronlar va chekkalar odatda oʻrganish
davom etayotganda sozlanadigan vaznga ega. Neyronlar shunday chegaraga ega
boʻlishi mumkinki, signal faqat yigʻilgan signal ushbu chegarani kesib oʻtgan
taqdirdagina yuboriladi. Odatda, neyronlar qatlamlarga yigʻiladi. Signallar
birinchi
qatlamdan (kirish qatlami), oxirgi qatlamga (chiqish qatlami), ehtimol, qatlamlarni
bir necha marta bosib oʻtgandan keyin oʻtadi.
Trening
Neyron tarmoqlar misollarni qayta ishlash orqali oʻrganadi (yoki oʻqitiladi),
ularning har biri maʼlum „kirish“ va „natija“ ni oʻz ichiga oladi va ular oʻrtasida
ehtimollik bilan oʻlchangan assotsiatsiyalarni hosil qiladi, ular tarmoqning oʻzida
saqlanadigan maʼlumotlar tuzilmasida saqlanadi. Berilgan misol boʻyicha neyron
tarmoqni oʻrgatish odatda tarmoqning qayta ishlangan chiqishi (koʻpincha bashorat)
va maqsadli chiqishi oʻrtasidagi farqni aniqlash orqali amalga oshiriladi. Keyin
tarmoq oʻz vaznli assotsiatsiyalarini oʻrganish qoidasiga koʻra va ushbu xato
qiymatidan foydalanib sozlaydi. Ushbu tuzatishlarning etarli sonidan soʻng,
mashgʻulot muayyan mezonlar asosida toʻxtatilishi mumkin.
Bunday tizimlar misollarni koʻrib chiqish orqali topshiriqlarni bajarishni
„oʻrganadi“, odatda vazifaga xos qoidalar bilan dasturlashtirilmaydi. Masalan,
tasvirni aniqlashda ular „mushuk“ yoki „mushuk yoʻq“ deb qoʻlda
yorliqlangan misol
tasvirlarni tahlil qilish va boshqa tasvirlardagi mushuklarni aniqlash uchun
natijalardan foydalanish orqali mushuklar bor tasvirlarni aniqlashni oʻrganishi
mumkin.
Neyron tarmoqlarning dastlabki muvaffaqiyatlari birja bozorini bashorat qilish va
1995-yilda (asosan) oʻzini oʻzi boshqaradigan avtomobilni oʻz ichiga oladi.[30]
Geoffrey Xinton va boshqalar. (2006) har bir qatlamni modellashtirish uchun
cheklangan BoltzmSNT mashinasi. 2012-yilda Ng va Din faqat yorliqsiz tasvirlarni
tomosha qilish orqali mushuklar kabi yuqori darajadagi tushunchalarni tan olishni
oʻrgangan tarmoq yaratdilar Nazoratsiz oldindan oʻqitish va
GPU va taqsimlangan
hisoblash quvvatining ortishi kattaroq tarmoqlardan foydalanishga imkon berdi,
xususan, tasvir va vizual aniqlash muammolarida " chuqur oʻrganish "
nomi bilan
mashhur boʻldi.
Neyron va miyelinli akson, dendritlardagi kirishlardan akson terminallaridagi
chiqishlarga signal oqimi bilan.
SNT anʼanaviy algoritmlar unchalik muvaffaqiyatli boʻlmagan vazifalarni bajarish
uchun inson miyasining arxitekturasidan foydalanishga urinish sifatida boshlandi.
Neyronlar bir-biri bilan turli naqshlarda bogʻlangan, bu baʼzi neyronlarning chiqishi
boshqalarning kirishiga aylanishiga imkon beradi. Tarmoq yoʻnaltirilgan, vaznli
grafik hosil qiladi.
Sunʼiy neyron tarmogʻi simulyatsiya qilingan neyronlar toʻplamidan iborat.Har bir
neyron boshqa tugunlarga biologik mos keladigan bogʻlanishlar orqali bogʻlangan
tugundir.Har bir boʻgʻiNTing vazni bor, bu bir tuguNTing boshqasiga taʼsir kuchini
belgilaydi.