1-Maruza. Sun’iy neyron to’rlari va modeli Reja: Nerv faoliyatining biologik jihatlari va Nerv kletkalarining strukturasi

yoki 
tushunarsiz o'quvchilarga
. Iltimos, 
bizga 
yordam 
bering bo'limni aniqlang. Bu haqda munozara bo'lishi 
mumkin munozara sahifasi. 
(2017 yil aprel) (Ushbu 
shablon xabarini qanday va qachon olib tashlashni 
bilib oling)
Qo'shimcha ma'lumotlar: Sun'iy neyron tarmoqlari matematikasi 
Neyron va miyelinli akson, dendritdagi kirishlardan akson terminallaridagi 
chiqishga signal oqimi bilan 
ANNlar an'anaviy algoritmlar kam muvaffaqiyatga erishgan vazifalarni bajarish 
uchun inson miyasining arxitekturasidan foydalanishga urinish sifatida boshlandi. Tez 
orada ular empirik natijalarni yaxshilashga yo'naldilar, asosan biologik kashshoflariga 
sodiq qolish urinishlaridan voz kechdilar. Neyronlarning chiqishi boshqalarning kirish 
qismiga aylanishiga imkon berish uchun neyronlar bir-biriga turli xil naqshlarda 
bog'langan. Tarmoq a yo'naltirilgan, vaznli grafik.
[38]
 
Sun'iy asab tarmog'i simulyatsiya qilingan neyronlarning to'plamidan iborat. Har bir 
neyron a tugun orqali boshqa tugunlarga ulangan havolalar biologik akson-sinaps-dendrit 
birikmalariga mos keladigan. Har bir bog'lanishning og'irligi bor, bu bitta tugunning 
boshqasiga ta'sir kuchini aniqlaydi.
[39]
 
ANNlarning tarkibiy qismlari 
Neyronlar 
ANNlar 
tarkib 
topgan sun'iy 
neyronlar kontseptual 
ravishda 
biologik 
olingan neyronlar. Har bir sun'iy neyronning kirishlari mavjud va ular bir nechta boshqa 
neyronlarga yuborilishi mumkin bo'lgan bitta ishlab chiqarishni ishlab chiqaradi. Kirish 
rasmlar yoki hujjatlar kabi tashqi ma'lumotlar namunasining xususiyat qiymatlari yoki 
boshqa neyronlarning chiqishi bo'lishi mumkin. Final natijalari 
chiqish neyronlari
asab 
tarmog'i vazifani bajaradi, masalan, rasmdagi ob'ektni tanib olish. 

---

Neyronning chiqishini topish uchun avval biz tomonidan tortilgan barcha 
kirishlarning 
tortilgan 
yig'indisini 
olamiz 
og'irliklar
ning 
ulanishlar
kirishlardan 
neyrongacha. Biz qo'shamiz 
tarafkashlik
ushbu summa uchun muddat. Ushbu tortilgan 
yig'indiga ba'zan deyiladi 
faollashtirish
. Ushbu tortilgan yig'indidan keyin (odatda 
chiziqli bo'lmagan) faollashtirish funktsiyasi mahsulotni ishlab chiqarish. Dastlabki 
yozuvlar tashqi ma'lumotlar, masalan, rasm va hujjatlar. Rasmdagi ob'ektni tanib olish 
kabi yakuniy natijalar vazifani bajaradi.
[40]
 
Aloqalar va og'irliklar 
Tarmoq ulanishlardan iborat bo'lib, har bir ulanish bitta neyronning chiqishini 
boshqa neyronga kirish sifatida ta'minlaydi. Har bir ulanishga uning nisbiy ahamiyatini 
anglatadigan og'irlik beriladi.
[38]
 Berilgan neyron bir nechta kirish va chiqish aloqalariga 
ega bo'lishi mumkin.
[41]
 
Ko'paytirish funktsiyasi 
The 
tarqalish 
funktsiyasi
oldingi 
neyronlarning 
chiqishi 
va 
ularning 
birikmalaridan 
neyronga 
kirishni 
og'irlikdagi 
summa 
sifatida 
hisoblab 
chiqadi.
[38]
 A 
tarafkashlik
targ'ibot natijasiga muddat qo'shilishi mumkin.
[42]
 
Tashkilot 
Neyronlar odatda bir nechta qatlamlarga bo'linadi, ayniqsa chuqur o'rganish. Bir 
qatlam neyronlari faqat oldingi va darhol keyingi qatlamlarning neyronlari bilan 
bog'lanadi. Tashqi ma'lumotlarni qabul qiladigan qatlam bu 
kirish qatlami
. Yakuniy natija 
beradigan qatlam bu 
chiqish qatlami
. Ularning orasidagi nol yoki undan ko'p 
yashirin 
qatlamlar
. Bir qavatli va qatlamsiz tarmoqlardan ham foydalaniladi. Ikki qatlam o'rtasida 
bir nechta ulanish naqshlari mumkin. Ular bo'lishi mumkin 
to'liq ulangan
, bitta 
qatlamdagi har bir neyron keyingi qatlamdagi har bir neyron bilan bog'langan holda. Ular 
bo'lishi mumkin 
hovuzlash
, bu erda bir qatlamdagi neyronlar guruhi keyingi qatlamdagi 
bitta neyronga ulanadi va shu bilan ushbu qatlamdagi neyronlarning sonini 
kamaytiradi.
[43]
 Faqat shu kabi birikmalarga ega neyronlar a ni hosil qiladi yo'naltirilgan 
asiklik grafik va sifatida tanilgan 
feedforward tarmoqlari
.
[44]
 Shu bilan bir qatorda, bir xil 
yoki oldingi qatlamlarda neyronlar orasidagi bog'lanishni ta'minlaydigan tarmoqlar 
sifatida tanilgan 
takroriy tarmoqlar.
[45]
 
Giperparametr 
Asosiy maqola: Giperparametr (mashinada o'rganish) 
Giperparametr doimiydir parametr uning qiymati o'quv jarayoni boshlanishidan oldin 
belgilanadi. Parametrlarning qiymatlari o'rganish orqali olinadi. Giperparametrlarga 
misollar kiradi o'rganish darajasi, yashirin qatlamlar soni va partiyaning hajmi.
[46]
 Ba'zi 
giperparametrlarning qiymatlari boshqa giperparametrlarga bog'liq bo'lishi mumkin. 
Masalan, ba'zi qatlamlarning kattaligi qatlamlarning umumiy soniga bog'liq bo'lishi 
mumkin. 
O'rganish 
Ushbu bo'lim a ni o'z ichiga oladi foydalanilgan 
adabiyotlar 
ro'yxati, 
tegishli 
o'qish 
yoki tashqi 
havolalar,